人脸比对行人闯红灯交通管理报警系统技术解析

乔春阳

摘 要：该系统是一套专门设计用于改善行人过街交通管理部门的管理系统，是非现场治理的一个切实有效的手段;是智能交通领域中的视频分析，跟踪动作，人脸识别，大数据，云智能技术新的综合应用。

关键词：人脸识别;行人检测;深度学习;大数据;云存储

行人忽视交通规则，乱闯红灯一直是城市的“疾病”。其中行人闯红灯是行人交通违法行为中最常见，最明显和发生率最高的交通违规行为。这种非法行为不仅对其本人构成较高风险，而且还妨碍道路的畅通，也是造成交通事故的主要原因。行人闯红灯交通违法行为长期存在，而且遇到“法不责众”的尴尬局面经常出现。这就造成了很难管理的问题，形成了行人肆意闯红灯、无视交警指挥等不让行、不服管的怪现象。该系统的建筑就是为了逐渐改善主要交通路口行人、自行车、电动车闯红灯现象，提高全民遵守规章制度的思想意识。

1 关键技术

1.1 人脸识别技术

人脸识别技术是一种基于生物特征识别的识别方法。所谓的生物识别技术是一种利用人类生理特征或行为特征来识别其自身身份的技術。一般来说，它涉及五个部分：

（1）人脸图像采集：根据人物的脸部特征，从前置摄像头采集脸部面部的视频或图像;

（2）面部图像检测：面部图像包含丰富的特征，如直方图特征，颜色特征，模型特征，结构特征和哈尔的特征。人脸图像检测使用此功能检测采集的视频和图像，并准确校准脸部位置和大小;

（3）人脸图像预处理：由于不同的条件和偶尔的干扰，系统获取的原始图像通常不会被直接使用。必须在图像处理的最早阶段使用灰度校正和噪声过滤进行预处理。对于面部图像，预处理过程主要涉及半径补偿，梯度变换，直方图均衡，归一化，几何校正，面部图像的滤波和锐化;

（4）面部成像图像提取：可用于人脸识别的特征通常分为视觉属性，像素特征，面部图像变换系数的图像特征，面部图像代数函数等。在一些面部特征上执行面部图像的提取，并且通常通过基于知识的表示方法来应用。它主要根据面部器官形式的描述和它们之间的距离特征来获得对面部分类有用的功能的数据。特征分量通常包括欧几里德距离，曲率和功能点之间的角度等。人脸由眼睛，鼻子，嘴巴，胡须等组成。这些部分的几何描述和它们之间的结构关系可以作为识别人脸的重要特征;

（5）人脸识别图像匹配：人脸图像匹配意味着检查面部图像提取的特征数据并将其与存储在数据库中的功能模板匹配。当相似度超过阈值时进行匹配，匹配的结果是将面部图像的识别与呈现的面部图案进行比较，并且通过相似性来判断面部身份信息。该过程分为两类：一类是确认，一对一图像比较过程，另一类是识别，这是一个多的图像比较过程。

1.2 深度学习

深度学习是指通过模拟人脑产生的深部神经网络并模仿人脑机制来学习，判断和决策的技巧。它广泛用于面部识别，语音识别和笔记识别。由深部神经网络训练的面神经算法可以大大提高识别的准确性。简而言之，它是一种神经网络，在网络结构中具有预先确定的面部识别知识，并“读取”在不同环境中拍摄的许多不同的人（例如照明，视角，表达）。面部图像自动学习并提取不同面部和尺度的低，中，高特征。经过大量的学习，机器可以根据给定的模型信息区分不同的人。

1.3 大数据技术

大数据是指传统数据库软件在一段时间内无法分析，处理和管理的数据集合。通常，可以使用四个V来概括大数据的基本特征：volume（大量）、variety（多样性）、value（价值密度）和velocity（快速化）。大量判断意味着数据非常大，存储量大，增长很快;多样化意味着数据一方面具有不同的来源，另一方面具有结构化，半结构化和其他形式的数据类型;低密度意味着该数据的单个来源或单个维度不会带来有效值。只有当它在一定规模上形成并且完全相互连接才能具有很大的价值;快速处理需要对数据分析的高实时需求。

1.4 云存储技术

云存储是云计算的一个新的扩展概念。它指的是通过集群应用程序，网络技术或分布式文件系统将存储虚拟化技术应用于各种网络。其中不同类型的存储设备一起工作以一起提供数据存储和服务访问，并且云存储也被理解为配置有存储设备的云信息系统。该系统基于交通应用的特点，采用面向业务的设计理念，集成采集，虚拟化，离散存储等技术，规划图像成像维护。它可以收集大量不同类型的网络存储设备并协同工作，以确保高性能，高可靠性，不间断的图像存储和业务访问服务。云存储是在云计算（cloud computing）的概念上延伸和发展出来的一个新概念，是指通过集群应用、网格技术或分布式文件系统等功能，应用存储虚拟化技术将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统，也可将云存储理解为是配置了大容量存储设备的一个云计算系统。

2 系统优点

2.1 解决现场警力不足的问题

该方案采用自动取证系统，系统不间断运行，在一定程度上消除了时间和空间的空点，可以缓解警力和执法不力的现场取证问题，并确保行人发生闯红灯违规行为是能够及时纠正并且制止。

2.2 解决取证易受人的因素影响问题

与现场取证相比，该系统是自动远程提醒规范，减少警力有限的问题，有效解决了执法成本高，效率低下的问题，减少现场执法冲突。

2.3 实施关键智能算法，以提高环境适应性

集成检测单元具有内置的行人检测模块，该模块使用基于图像的功能和驱动算法来识别行人运动，颜色和轮廓特征，以支持复杂场景中的捕获，避免阴影和相机抖动造成误检的影响。自动检测穿过路径的行人的非法行为。

2.4 符合实战需求的人脸识别应用程序

该系统基于实际的交通执行，可以提供丰富的人脸识别和实际应用功能，如动态比较警告，人员识别等。同时，在设计应用功能时，它也更加注重实战，如：人员控制和动态警告比较操作，考虑到当前警察的使用，人员警力有限，因此系统优先保证高警报警报率，在允许少量漏报的情况下，降低误报率和误报率假，尝试达到相同的比例，并在有限的警察来源下轻松使用系统。

3 结语

该系统是一套专门设计用于改善行人交通管理的交通违规行为的管理系统。它是智能交通领域在运用分析应用，跟踪动作，面部识别，优质数据和云分析技术的全新视频分析应用。它增强了交通管理部门处理行人闯红灯违法管理业务能力，提高了人们尊重规章制度的意识。全面助力创建全国文明城市目标实现。