視頻監控智能化已成趨勢,其改變了傳統視頻監控系統只能“監”不能“控”的被動狀態,解決了事后取證難的問題,讓監控變得更加主動。相比于傳統視頻監控系統,智能化視頻監控更加快速的反應時間以及更加強大的數據檢索和分析功能,使得監控能力得到極大的改善。與此同時,圖像識別在視頻監控智能化趨勢“推波助瀾”下,迎來突飛猛進的發展。原公安部一所研究員、中國安防行業資深專家李仲男老師,講解視頻監控的原理和具體應用情況。
視頻監控智能化趨勢下的圖像識別原理及應用
首先,視頻監控智能化主要體現在三個方面,一是系統功能的自動化;二是圖像信息的自動解釋;三是自主進行故障診斷和自主適應周邊環境。其中最重要就要算是圖像信息的自動解釋,因為它最能體現視頻監控系統的價值,也是我們現在圖像技術進步的一個箭頭。
現在普遍把把圖像信息的自動解釋看成可以解決傳統監控不足的關鍵,也是安防業界和輿論界關注的熱點,是視頻監控智能化的標志。圖像信息自動解釋的應用主要包括下面幾個方面:一是圖像識別,圖像識別主要有兩方面的應用,分別是驗證和識別;二是圖像內容分析,一般包括視頻探測、目標識別、目標的分離,行為的分析統計和簡單目標的跟蹤等等;第三方面是視頻語義的解釋,主要是實現圖像信息的結構化,通過結構化來實現數據的融合、關聯、濃縮、摘要,以及其他的快速檢索,還有就是通過一些簡單的特征來實現搜圖;第四,圖像信息的自動解釋的最高層次應用就是大數據,通過大數據來預測和預警社會的各種狀態,比如社會自然動態風險的預測和預警和空間狀態的監測。
正是基于圖像信息自動解釋上面四方面應用對社會風險檢測的重要意義,去年中央召開了視頻建設工作會議,會議中明確提出要用大數據來支撐公共安全視頻監控系統的建設,解決平安城市建設中的一些關鍵問題。下面就具體分析一下圖像信息自動解釋中的圖像識別技術的具體應用。
圖像識別
圖像具有記錄時間和空間的能力,圖像識別主要采用圖像信息對時間和空間的分辨能力。一個圖像空間的不同位置,有不同的亮度分布,比如說兩個人的照片不同,這就是空間,利用空間的分辨能力我們可以實現個體的身份的認證。那么圖像或者視頻是一個連續的動態過程,播放過程中兩幀圖片的差別就是時間的分別能力。通過時間的分辨可以進一步理解圖像,也可以進行目標的識別,但通常時間分辨還是用來進行目標狀態和行為的分析。
就圖像識別來講,一般情況是對一幀圖像中指定目標的特征,去進行辨識來實現個體身份的認證。舉一個典型的例子,就是通過人臉進行識別,也是最近比較熱的一項新技術。隨著研究的逐漸深入,除了對一幀畫面找一個特定目標的特征進行識別外,也可以加入對個體行為的識別,不在局限于挖掘一幅畫面的特征,在一個圖像序列中去識別,比如個體走路的姿態和一些小動作,這也是和傳統圖像識別的差別。只是,到目前為止行為識別的應用還沒有成熟。
實際上人對個體的識別很多是采用行為識別這種方法,人和人之間的識別很少是利用面部特征來識別的,比如看到前面人行走的背影,你就知道是誰。目前在測謊領域很早就采用了這種技術,當一個人被問到一些問題的時候,不自覺的出現嘴角抽搐、眨眼睛、手去捏衣服等動作,就可以發現一個人心理的變化,這雖然還不能算作個體的識別,但是這種技術已經證明它可以反映一個人基本的特征。
定義特征與數據庫
圖像識別無論無論采用什么方式,它都有兩個基本條件。一個條件就是我們要定義特征,另一個條件就是要建立一定數量樣本數據庫。
定義特征就是識別目標具有唯一性和相對穩定性的特征,這種特征隨著時間推移不會有太大變化。有了這些特征就要去去定義,這時候我們可以采用矢量法,比如在人臉識別中,在臉部取一個中間點,從這個點到它附近所有的標志點,比如眼角、額頭、鼻尖、嘴唇等,就是矢量,用26個矢量就可以把一張臉表示出來。因為人臉特征具有唯一性,這就形成了定義。
然后就是要建立一個樣本的數據庫,按照定義特征采集一定基礎的數據,作為比對的基礎。比如在早期,所有犯罪人員都要用圖像把指紋錄下來,現在辦理第二代身份證要求所有人都要完成指紋的采集。建立了海量的數據庫,才可以把現場采集的指紋樣本和數據庫中的信息進行比對,從而判斷個體的身份。而人臉目前還沒有達到可以是進行圖像識別的程度,一是還沒有一個準確的定義作為標準,二是沒有建立起廣泛的,有價值的數據庫。
從上面這些介紹也能看出,圖像識別在驗證方面的基本工作方法就是現場采集的目標特征變成數據,通過和以后特征數據庫中的信息進行對比,找出具有同一性的個體,從而判斷身份的過程。這還存在一個前提條件,要建立稍加限制的環境,就是現場采集的狀態要和建庫狀態差不多,否則無法完成比對。比如建庫采集的是人正臉的圖像,現場采集到的是側臉圖像,就無法完成驗證比對了。
總體來說,圖像識別已經在視頻監控智能化總體趨勢的推動下,迎來突飛猛進的發展,當建立起足夠完備的數據庫和穩定的對比標準,圖像識別就能真正的發揮威力了,不但可以幫助警方破案緝兇,還能及時發現社會潛在威脅,從海量數據中揪出不穩定因素,助力未來平安城市和智慧城市平穩運行。