分析解读——传统周界探测报警技术的局限性

2019-03-13 10:15 来源：中国安防协会

人脸识别技术在公共安全以及人机交互等领域应用前景广泛，同时也是人工智能领域的重要研究方向，吸引了世界各地大量的科学研究及工程技术人员对其进行深入研究和推广应用。在过去数十年的研究过程中，人脸识别技术取得了长足的发展。

在最美的年华，遇到一个爱你的人，纵使刹那盛开，瞬间凋零，以一世痴念，守一场心灵的地老天荒，何尝不是一种无以伦比的幸福?三千痴缠，只为一人，掬一捧旖旎心事，无论花开花谢，情，都会以一树执念，绚烂成灵魂的永恒。

201903130953028027.jpg

分析解读——传统周界探测报警技术的局限性

1.技术发展概况

基于视频监控的人脸识别技术起源于静态图像的人脸识别技术。视频监控人脸识别技术的发展主要经历以下几个主要阶段：

(1)人脸识别技术的第一个发展阶段主要是通过视频图像采集识别系统自动采集并检测出人脸图像，采用图像分割技术分割出人脸图像，并进一步采用基于静态图像的目标识别技术对图像中的人脸进行分析识别。结合视频图像时间上的连续特性，在人脸自动采集并检测过程中引入人脸自动跟踪技术，在视频连续图像序列中选择最佳识别结果，提高识别率。

(2)人脸识别技术的第二个发展阶段是利用人体的多种生物识别特征信息，包括指纹、虹膜和声音等多维身份识别信息进行综合生物识别，解决那些只靠人脸识别无法完成的任务。

(3)人脸识别技术的第三个发展阶段是综合采用图像帧空间信息和视频时间信息(如人脸特征点的动态运动轨迹等)，在时间和空间的联合空间中识别人脸。

随着监控人脸识别技术的发展，更多多维度的生物特征信息及视频监控信息将被应用于人脸识别领域，旨在不断提高识别准确率。

2.研究现状概述

基于视频监控的人脸识别技术研究内容可以分为以下几个方面：

(1)人脸检测，即从各种不同的场景中检测出人脸的存在并确定其位置;

(2)人脸表征，即采取某种表示方式检测出人脸和数据库中的已知人脸;

(3)人脸辨识，即将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配，得出相关信息;

(4)表情分析，即对人脸的表情信息(快乐、悲伤、恐惧、惊奇等)进行分析，并对其加以归类;

(5)生理分类，即对人脸的生理特征进行分析，得出其种族、年龄、性别、职业等相关信息。

目前，基于视频监控的人脸识别算法研究方向包括：

(1)基于模板的算法，该算法主要是通过计算模板和图像之间的相关性来实现识别功能，包括基于可变形模板匹配以及基于通用模板匹配的多种算法。

(2)基于可视特征的算法，该类算法基于可视特征的方法主要是利用从人脸的表观特征总结出来的先验知识，使用规则来描述人脸的几何分布、颜色、纹理等可见特征，从而作为人脸检测和识别的依据。

(3)基于机器学习的算法，该种算法中人脸的特征或类别是利用统计分析和机器学习的技术从样本中学习来的。学习所得的人脸特征或类别存在于由各种算法所保证的分布规律、模型和判别函数中，并被用于人脸的检测和识别中。

(4)基于神经网络的识别算法，该方法是将人脸直接用灰度图(二维矩阵)表征，利用神经网络的学习能力及分类能力。

(5)基于支持向量机的识别方法，该方法选择可分离的超平面，使不可见的测试模式的预知分类错误最小，目的是使期望总体误差的上边界最小。

(6)基于贝叶斯方法的识别算法，该算法是统计模式识别中的一个基本方法。

责任编辑：张震