【帮尼大讲堂】李仲男：视频监控智能化趋势下的图像识别原理及应用

视频监控智能化趋势下的图像识别原理及应用

　　现在普遍把把图像信息的自动解释看成可以解决传统监控不足的关键，也是安防业界和舆论界关注的热点，是视频监控智能化的标志。图像信息自动解释的应用主要包括下面几个方面：一是图像识别，图像识别主要有两方面的应用，分别是验证和识别；二是图像内容分析，一般包括视频探测、目标识别、目标的分离，行为的分析统计和简单目标的跟踪等等；第三方面是视频语义的解释，主要是实现图像信息的结构化，通过结构化来实现数据的融合、关联、浓缩、摘要，以及其他的快速检索，还有就是通过一些简单的特征来实现搜图；第四，图像信息的自动解释的最高层次应用就是大数据，通过大数据来预测和预警社会的各种状态，比如社会自然动态风险的预测和预警和空间状态的监测。

　　正是基于图像信息自动解释上面四方面应用对社会风险检测的重要意义，去年中央召开了视频建设工作会议，会议中明确提出要用大数据来支撑公共安全视频监控系统的建设，解决平安城市建设中的一些关键问题。下面就具体分析一下图像信息自动解释中的图像识别技术的具体应用。

　　图像具有记录时间和空间的能力，图像识别主要采用图像信息对时间和空间的分辨能力。一个图像空间的不同位置，有不同的亮度分布，比如说两个人的照片不同，这就是空间，利用空间的分辨能力我们可以实现个体的身份的认证。那么图像或者视频是一个连续的动态过程，播放过程中两帧图片的差别就是时间的分别能力。通过时间的分辨可以进一步理解图像，也可以进行目标的识别，但通常时间分辨还是用来进行目标状态和行为的分析。

　　就图像识别来讲，一般情况是对一帧图像中指定目标的特征，去进行辨识来实现个体身份的认证。举一个典型的例子，就是通过人脸进行识别，也是最近比较热的一项新技术。随着研究的逐渐深入，除了对一帧画面找一个特定目标的特征进行识别外，也可以加入对个体行为的识别，不在局限于挖掘一幅画面的特征，在一个图像序列中去识别，比如个体走路的姿态和一些小动作，这也是和传统图像识别的差别。只是，到目前为止行为识别的应用还没有成熟。

　　实际上人对个体的识别很多是采用行为识别这种方法，人和人之间的识别很少是利用面部特征来识别的，比如看到前面人行走的背影，你就知道是谁。目前在测谎领域很早就采用了这种技术，当一个人被问到一些问题的时候，不自觉的出现嘴角抽搐、眨眼睛、手去捏衣服等动作，就可以发现一个人心理的变化，这虽然还不能算作个体的识别，但是这种技术已经证明它可以反映一个人基本的特征。

　　图像识别无论无论采用什么方式，它都有两个基本条件。一个条件就是我们要定义特征，另一个条件就是要建立一定数量样本数据库。

　　定义特征就是识别目标具有唯一性和相对稳定性的特征，这种特征随着时间推移不会有太大变化。有了这些特征就要去去定义，这时候我们可以采用矢量法，比如在人脸识别中，在脸部取一个中间点，从这个点到它附近所有的标志点，比如眼角、额头、鼻尖、嘴唇等，就是矢量，用26个矢量就可以把一张脸表示出来。因为人脸特征具有唯一性，这就形成了定义。

　　然后就是要建立一个样本的数据库，按照定义特征采集一定基础的数据，作为比对的基础。比如在早期，所有犯罪人员都要用图像把指纹录下来，现在办理第二代身份证要求所有人都要完成指纹的采集。建立了海量的数据库，才可以把现场采集的指纹样本和数据库中的信息进行比对，从而判断个体的身份。而人脸目前还没有达到可以是进行图像识别的程度，一是还没有一个准确的定义作为标准，二是没有建立起广泛的，有价值的数据库。

　　从上面这些介绍也能看出，图像识别在验证方面的基本工作方法就是现场采集的目标特征变成数据，通过和以后特征数据库中的信息进行对比，找出具有同一性的个体，从而判断身份的过程。这还存在一个前提条件，要建立稍加限制的环境，就是现场采集的状态要和建库状态差不多，否则无法完成比对。比如建库采集的是人正脸的图像，现场采集到的是侧脸图像，就无法完成验证比对了。