基于云台摄像机的快速移动人脸检测与跟踪设计

冯安惠 王忠策

摘要：为实现校园的安全监控，提出基于云台摄像机的快速移动人的检测与跟踪算法。介绍云台摄像机用于校园安全监控的基本构成。通过控制摄像机云台两自由度旋转角度及使用DEEPID2识别算法实现对运动的特定人检测与跟踪。应用效果表明：本设计方案对特定移动人的识别率较高，识别鲁棒性较强，达到检测与跟踪效果要求。

关键词：云台摄像机；目标检测与跟踪；DEEPID2

1 绪论

随着社会经济发展，计算机视觉领域也得到了较好的发展，现在我们的生活中目标检测以及目标跟踪已经得到了较好的运用。比如视频监控、人机交互以及机器人视觉等各个领域中。虽然，现在科研人员通过研究已经进行了多种跟踪算法的提出。其中卡尔曼滤波、粒子滤波和Mean Shift等算法已经比较的成熟。[23]但是目标跟踪时比较容易受到目标无规律运动、光照条件变化以及被遮挡等一些因素影响。并且需要说明Mean Shift算法虽然可以将上述问题克服，但是若是目标尺度出现一定变化，那么跟踪也会失败，所以我们必须认识到现在精确目标跟踪还是比较困难的。

本课题研究的时候，使用的云台摄像头具有两个自由度，拍摄的时候范围比较广泛，具有不同焦距下不同的细节信息，能够切实满足监控的实际需要。云台摄像机进行目标检测的时候，需要摄像机进行图片信息的采集，并传送到主机中去，利用本算法进一步的对图片进行模式识别以及预处理，最后检测运动目标物，并将反馈的相关结果告知工作人员。本文选择的DEEPID2相关算法可以很好的适应跟踪环境发生的变化，能够让目标检测以及目标跟踪更加的稳定和准确。

2 整体架构

用于学校监控的摄像头将采集到的视频通过网络连接传送到后台主机上，其工作系统框架如图1所示。

云台摄像机正常工作的时候，主机系统借助网络来实时采集摄像机输入的相关视频。主机端的视频采集API会将拍摄到的相关视频信息转存到主机中去，然后再检测和跟踪目标物。这个时候，若是目标物出现马上离开摄像头视线的时候，再利用云台解码器来对摄像机进行控制，让其向着目标物方向旋转，并且根据目标物的距离来进行光圈以及焦距的调整，并利用云台的控制来进行采集，直到目标物离开摄像机观察的范围。

笔者所说的主要系统是通过云台摄像机的转动以及图像处理算法内容组成的，若是摄像机选择这个算法来监控移动人群的时候，目标物移动，其在镜头的位置也会出现变化，若是对摄像机以及云台的转动进行控制，能够让目标物的位置比较合理。

3 特定人脸识别算法

同一个人在不同姿态、色彩、表情、年龄和遮挡的情况下会有很大不同，这样变化会使人脸识别很困难。所以，减小类内（一类代表一个人）差异，增加类间差异是人脸识别的主要方向。基于深度学习的层次深度和强悍的学习能力，可以学习到很有效的特征，使用识别新号和验证信号的组合方式。识别信号用来对输入的图像判定类别，验证信号判断输入的一对图像是否是同一个人。

基于DeepID2学习特征的整体卷积神经网络结构图如下：

四层卷积，前三层后面都跟着Maxpooling层，第三层卷积的神经单元的参数在2*2的局部区域内共享；第四层卷积则是全连接，参数在神经单元之间不共享。

第三卷积层的输出和第四卷积层的输出以全连接的方式连接到最后一层，最后一层也称为DeepID2层。因为第四层学习到的特征比第三层的更全局一些，所以这样的连接方式被称为是多尺度卷积神经网络。

识别信号公式：

结合本项目具体应用场景，在训练过程中对参数通过随机梯度下降方法动态调整，λ是识别和验证信号的加权参数。m参数是动态调整的，通过选择最近训练样本中的最小验证误差错误率。

4 实验与讨论

图3是本装置对特定人识别的典型效果，根据随机给定100个典型特定人识别场景，正确率达98%，满足实际情况下对特定人检测的实用要求，具有实际使用价值。

5 结论

本文介紹了云台摄像机的工作系统框架以及硬件构成，对于摄像机的监控机制提供了使用的理论方法。针对目标物体的无规律的运动，通过控制摄像机镜头以及云台的转动，实现对目标物的跟踪。同时应用卷积神经网络，在DEEPID2识别框架基础上结合应用领域进行权值训练优化，改进了网络参数，确保识别精度。但对快速运动等视频跟踪效果良好难以达到人们的要求，需要在以后的工作中解决该问题。

参考文献：

[1]杨亮，周勇，刘歆浏.基于PTZ摄像机的运动目标跟踪控制[J].兵工自动，2014（3）：6568.

[2]柯洪昌，孙宏彬.图像序列的显著性目标区域检测方法[J].中国光学，2015，8（5）：768 774.

[3]郑红，刘振强.基于精确模型的云台摄像机自标定[J].机器人，2013，35（3）：326331，338.

*通讯作者：王忠策。