人脸抓拍的关键技术分析

2016-02-02马彪彪陈向阳时亚丽

山东工业技术 2016年22期

关键词：实时性队列人脸

马彪彪,陈向阳,时亚丽

（1. 中国电子科技集团公司第三十八研究所;2. 安徽省公共安全应急信息技术重点实验室,合肥 230088; 3. 湖北省麻城市公安局刑侦大队,湖北麻城 438300）

人脸抓拍的关键技术分析

马彪彪1,2,陈向阳3,时亚丽1,2

（1. 中国电子科技集团公司第三十八研究所;2. 安徽省公共安全应急信息技术重点实验室,合肥 230088; 3. 湖北省麻城市公安局刑侦大队,湖北麻城 438300）

人脸抓拍是人脸识别技术的关键环节，抓拍好坏直接影响人脸识别的效果。本文实现了由运动目标检测，人脸检测，人脸跟踪三部分组成的人脸抓拍系统，重点分析了运动目标检测在人脸抓拍中的应用，人脸位置跟踪算法和对应人脸的背景缓存技术实现，具有较高的实用性。

人脸抓拍；运动目标检测；人脸跟踪；背景获取

0 引言

随着天网工程的建设，无处不在的摄像头对维护社会治安和侦破刑事案件起着举足轻重的作用。人脸作为像指纹，虹膜一样的生物特征因其具有唯一性成为智能监控及图侦领域研究的热点。人脸抓拍不仅是人脸识别的第一步，更在智能人机交互，虚拟现实等领域有着广泛的应用，对准确性和实时性的要求高，已成为独立于人脸识别的一项研究热点。

1 运动目标检测在人脸抓拍中的应用

运动目标检测是图像处理算法中比较成熟的技术，理论简单，资源消耗低，根据“有人脸必有目标进入”这一原则，首先对图像序列进行运动目标检测，再对运动区域进行人脸检测不仅可以大幅提高无人状态下的人脸抓拍的性能，还可以滤除特定光照条件下静止的误检人脸。基于单高斯分布的背景建模差分方法可以满足人脸检测中运动目标检测的需求，首先利用帧间差分处理图像序列，将检测到的背景进行单高斯背景建模，再用建模背景与图像序列差分得到前景目标，进而进行形态学处理，连通域标记获取运动区域，最后求算运动区域最大外接矩形，作为一个整体进行人脸检测。

当人脸静止时，系统也必须正确地检出人脸，所以，送入人脸检测算法的图像区域不仅和当前帧的运动检测结果相关，还与上一帧的运动情况和人脸检测结果相关。采用的处理流程如表1示，需要特别处理的是，前一帧有人，当前帧无运动，运动检测结果修正为上一帧人像区域，防止有人走动时突然停止，导致无人像检出；前一帧有人无运动，当前帧有运动，运动检测结果修正为上一帧人脸区域与当前帧运动区域的最大外接矩形，防止上一帧静止的人像被漏检。

表1 运动目标检测结果修正方法

2 人脸位置跟踪

目前，主流的人脸跟踪方法包括基于特征匹配的人脸跟踪方法，基于区域匹配的人脸跟踪方法及基于模型匹配的人脸跟踪方法。基于特征匹配的人脸跟踪方法利用目标物体的个体特征实现跟踪，对个体特征的依赖大。基于区域匹配的人脸跟踪利用目标区域的纹理或颜色进行跟踪，长时间跟踪容易产生误差积累。基于模型匹配的人脸跟踪方法将目标抽象为数学特征，通过相似度比对实现跟踪，对特征的准确性要求高，也很难达到实时性的要求。

本文采用基于位置的人脸跟踪方法，该方法对人脸检测的实时性要求较高。当相邻两帧人脸发生面积重叠时，即认定为同一个人脸，否则认为新的人脸，该方法原理简单，容易实现，除不能处理人脸交叉场景外，可以满足绝大部分场景下人脸的跟踪需求。

3 对应人脸的背景缓存技术实现

获取对应抓拍人脸的背景图像是很实际的需求，本文通过一种独立于人脸缓存的背景缓存方法，根据人脸跟踪结果实时地新增，更新，删除背景，既节省内存空间又适用于所有人脸跟踪方法。

背景缓存策略如图1示：第一步：背景缓存队列初始化，系统在循环外为背景缓存队列分配内存并初始化；第二步：背景缓存队列的新增与更新，根据人脸跟踪结果，如果当前人脸未跟上，将当前人脸加入人脸待跟踪队列的同时，把当前背景加入背景缓存队列；如果人脸跟上且最优，遍历人脸待跟踪数组与人脸跟踪结果数组，若对应待替换人脸的帧号不止一个，说明待替换的背景对其他人脸仍有用，须作为新背景加入背景缓存队列；如果对应待替换人脸的帧号只有一个，说明待替换背景对其他人脸无用，可以直接替换；第三步：背景缓存队列的删除，系统应及时清除不需要的背景图片，软件标记并实时更新系统缓存人脸的最小帧号，当背景图片帧号小于缓存的人脸帧号时，说明当前背景不会再被调取，可以删除，否则，不能删除；第四步：系统根据输入的帧号返回对应的背景图片。