视频人像的测量与应用

杨英仓

（贵州警察学院 刑事技术系，贵州 贵阳 550005）

随着犯罪分子反侦查意识和能力的提高，案件现场很难提取到有价值的痕迹物证。 而广泛安装的视频监控，客观、真实、完整和全面地记录了监控范围内的场景，记录了时空轨迹信息，视频侦查技术成为案件侦破的杀手锏，强有力地打击和震慑了各类违法犯罪行为。 与此同时，为逃避打击，犯罪分子的作案手法也在不断升级。 犯罪嫌疑人作案时进行伪装，或者选择夜间、雨雾天气等光线条件较差的环境实施作案，办案人员很难提取到犯罪嫌疑人清晰的面部特征，致使人脸识别技术的应用受到限制。此类案件可以根据视频人像的外在轮廓特征进行身高的测量，还可以利用视频连续动态性测量视频人像的步态等相关特征，全面刻画犯罪嫌疑人的信息，可有效缩小侦查范围，为案件侦办指明方向。然而，受限于视频监控的质量、视场角度、光线、距离等因素的影响，案件视频人像的测量仍面临诸多难题。

本文以一起发案到发现现场间隔一个月、现场未提取到有价值的痕迹物证、调查走访没有线索、犯罪嫌疑人不携带通讯设备、视频人像模糊不清条件下遇到的疑难案件为例，对视频人像测量技术进行深入研究。 通过开展多项侦查实验，探索利用桌面标绘结合现场重建的方法，全面开展视频人像的测量。 测量前期用成像比例一致性的校正方法确保了实时监控画面与回放的案件视频画面场景相同，为现场重建提供条件；中期用现场重建的再现方法还原了视频人像在现场的行为和动作，为测量提供保障；后期准确选点、测量视频人像相关数据，有效刻画视频人像的身高等静态特征和步长等动态特征，为案件提供排查方向和侦查线索。

1 材料与方法

1.1 器材和软件系统

贵州警察学院视频监控系统，贵州警察学院110 实训指挥系统，Adobe Photoshop cc2020，视侦通 2.0.7，带刻度的钢管，皮尺（30 m），卷尺（2 m），自动测量仪等。

1.2 制作实验视频

随机选择15 名男性受试者，均为贵州警察学院大二、大三学生；实验人员的身高在172 cm~179 cm 之间。 实验人员在20 m 的监控场地内沿规定路线自然行走，往返3 次。 记录实验人员进入视频监控和离开视频监控的时间，调阅视频监控资料。 对于行走的视频人像，统一选择单腿直立接近自然身高的视频人像进行截图保存。

1.3 数据测量

时间因素早中晚和人体负重与否，对身高都有一定的影响。 为减小误差，每天早上9 点测量15 名实验人员的穿鞋身高和步长，连续3 d，实验人员实验期间的着装和鞋子不变，记录实际数据。 调阅实验视频资料，分3 次测量15 名实验人员的视频人像身高和步长，记录实验数据。

1.4 基于成像比例一致性的校正方法

将实验现场画面和实验后现场画面调整到相同比例和大小。 同时打开视频监控系统实时监控画面和视侦通的桌面标绘功能，用红色矩形在屏幕上绘制视频画面的四个边框。 打开视侦通播放器，回放实验视频，调整画面的四个边框，使之与实时监控画面的四个边框完全重叠。两个画面不同之处在于：一个是实时视频监控系统， 播放的是实验后的现场情况（即实时画面），此画面无法查看目标人像；一个是实验视频，播放的是实验进行时的现场场景，可以看到视频人像的轮廓特征、衣着、走路的姿势、步幅的大小、摆臂的频率和程度、有没有耸肩等相关性动作、有没有随身物品及其特征等（图1）。

图1 在屏幕上绘制参考线示意图

选择两个画面共有的场景，在实验视频画面上选择有线条交叉的点位，利用视侦通的桌面标绘功能在屏幕上进行点、线标记。 为准确校正监控，点和线型的标记越小越好。 切换到实时监控画面，如果这些点位和线条能够完全重合，说明期间监控没有发生变动。 如果不能重合，说明期间监控发生变动，应一边调整监控了边观察点位的变化，调整监控直至屏幕上标记的点位和线条在两个画面中均完全重合，说明监控恢复到了实验时的视场角度。 两个画面内容除监控时间、视频人像外，其他场景均一一对应，可用于后期的现场重建（图2）。

图2 实时监控画面和回放视频画面的一致性校正

1.5 基于现场重建的事件再现方法

回放实验视频资料，利用视侦通的桌面标绘在屏幕上用点位标记视频人像在现场的活动情况。打开实时监控画面，实验人员利用对讲机或手机，在现场实地找到与屏幕标记相对应的点位。 通过现场重建，在现场实地找到与视频人像对应的各特征点，对视频人像在现场遗留的痕迹大小、位置、形状等进行分析，从而还原现场发生的事件和行为的全过程（图3）。

图3 现场重建再现事件的全过程

1.6 视频目标人像的测量方法

打开视侦通播放器，回放实验视频资料。 找到15 名实验人员的视频人像，用视侦通的桌面标绘功能在显示器上标记出实验人员视频人像的关键点位。 打开实时监控画面，利用现场重建技术找到屏幕标记的关键点位所在现场的位置。 根据测量目的的不同，关键点位有所变化。 测量人物身高时，关键点位是指人像的头顶点和脚底点，主要是测量头顶点和脚底点之间的长度。 测量步幅特征时，关键点位是指人像的鞋跟后缘点、鞋尖前缘点、腿部关节特征点，主要是测量步长、步宽、步角、左右脚的步长步宽差异、人像行进方向与左右脚落地方向的差异以及腿部其他特征等。 测量摆臂特征时，关键点位是指人像的手指最前端点、肘关节特征点等，主要是测量摆臂幅度、摆臂频率、人像行进方向与左右摆臂方向的差异以及肩部其他特征等。 测量衣着特征时，关键点位是指人物衣着的衣领、袖口、拉链、纽扣、图案边缘点，主要是测量衣长、袖长、肩宽、拉链长度、裤长、图案形状和大小等。

本次实验主要测量15 名实验人员的真实身高和步长，以及实验视频人像的身高和步长。 观看视频监控的人员利用通讯工具与现场开展侦查实验人员实时互动，确保在现场准确找到对应的关键点位。 测量视频人像的身高和步长（图4）。

图4 视频人像的身高和步长测量过程

2 结果

每天早上9 点，连续3 d 用测量仪测量15 名实验人员的实际身高。 15 名实验人员在视频监控下正常走路20 m，反复行走3 次。 调阅视频，截取案件视频中相对清晰的目标人像，标记嫌疑人的头顶点和脚底点，分3 次测量视频人像的身高。 视频监控一般从上而下俯拍，人物头顶点不一定是视频人像中头的最高点而是头顶所在的位置。 尽量选择人物相对直立的关键帧进行身高测量，有姿态的人物身高明显矮于正常身高。 现场实验人员与查看视频监控的人员利用通讯设备实时互动，将有刻度的标杆放置在案件现场对应的底点上，模拟视频目标人像出现的姿态，顶点所在标杆的刻度就是视频目标人像的身高。 测量身高和实际身高的差异在2 cm 以内，测量身高与实际身高相同的有5 人，占比33%，测量身高与实际身高差异≤1cm 的有13 人，占比87%，实验数据和结果见表1。

表1 实际身高和测量身高的对比结果 （cm）

15 名实验人员在视频监控下正常行走20 m，反复行走3 次。 测量实验人员现场行走20 m 的平均左步长和右步长，测量3 次，并计算差异；分3 次测量实验视频人像行走20 m 的平均左步长和右步长结果见表2。

表2 实际步长和测量步长的对比（cm）

续表2（cm）

数据表明：实验人员左步长实际均值减去左步长的视频测量均值，得出实验人员左步长实际值与测量值的差异。15 名实验人员左步长的实际值与测量值差异均≤1 cm，平均差异为0.09 cm。 实验人员右步长实际均值减去右步长的视频测量均值，得出实验人员右步长实际值与测量值的差异。 右步长的实际值与测量值差异均≤2 cm，平均差异为0.39 cm。实验人员左步长实际均值减去右步长实际均值，得出实验人员左右步长的实际差异，且左右步长的实际差异均≤2.5 cm，视频人像左右步长的测量差异均≤3 cm。 实验人员实际左右步长差异减去视频测量左右步长差异，得出实际左右步长差异和视频测量左右步长差异的差值。 实际左右步长差异和视频测量左右步长差异的差值均≤3 cm，平均差异为0.30 cm。实际步长和测量步长的差异均≤2.5 cm，实际步长和视频测量步长的平均差异为0.49 cm。3 名实验人员左步长实际值与测量值相同，占比20%；1名实验人员右步长实际值与测量值相同，占比7%；5 名实验人员实际步长和测量步长相同，占比33%。具体见表3。

表3 左右步长的差异和测量数据的对比 （cm）

3 讨论与分析

3.1 实验结果准确可靠

通过实验对比了15 名实验人员视频测量数据与实际数据之间的差异。结果发现：5 人视频测量身高与实际身高相同，占比33%；13 人测量身高与实际身高差异≤1 cm，占比87%。 左步长的实际值与视频测量值差异均≤1 cm，平均差异为0.09cm，3 人实际值与测量值相同，占比20%；7 人实际值与测量值≤0.5 cm，占比47%。 右步长的实际值与测量值差异均≤2 cm，平均差异为0.39 cm，1 人实际值与测量值相同，占比7%；6 人实际值与测量值≤0.5cm，占比40%；13 人实际值与测量值≤1 cm，占比87%。步长实际值和视频测量差异均≤2.5 cm，平均差异为0.49 cm；5 人实际值与测量值相同，占比33%；10 人实际值与测量值≤0.5 cm，占比67%；12 人实际值与测量值≤1 cm，占比80%，14 人实际值与测量值≤1.5 cm，占比93%。 实验结果表明，视频测量数据与实际数据较为接近，案件应用中能有效指明侦查方向、缩小侦查范围。

3.2 针对案后监控变动问题提出解决方案

当前视频监控保存期限都在一个月以上，为依托视频测定人像相关数据提供了前提条件。 实际鉴定中常出现案发时间与视频人像测定时间间隔一周甚至是几周的情况，期间监控会出现些许变动。利用桌面标绘，结合点、线标识进行成像比例一致性校正，结合现场重建能将实时视频监控系统的画面校正到案发时的视场角度，利用恢复后的视频监控可进行视频人像的测量。

3.3 创新测量选点方法

本文创新性地进行了视频单帧选点，实现了视频人像帧间变化的有效计算。 通过现场重建，在现场找到案件视频人像待测量的关键点，再现案件视频人像的动作、还原人像姿态、在相同角度和条件下进行测量，能有效减少姿态、变形、角度、光线等带来的测量误差。

3.4 测量数据与实际数据存在一定差异

测量数据受多重因素影响较大，误差只能减小但很难消除。 光线较好的条件下误差较小、监控系统分辨率越高误差越小、屏幕越大误差越小、点和线型的标记越小误差越小。 步长相对于身高而言，受场地、心理、环境、气候等因素影响较大。 测量中选点过大、皮尺弯曲、测量数据量小等都会导致误差增大。 测量过程中可进行多次选点、多次测量取平均值的方法来降低误差。

4 案例应用

4.1 简要案情

某污水处理井内发现一具女尸，通过现场勘查和技术检验，确定死者系一个月前失踪的某某。 视频侦查人员在案发地周边调取了13 个监控点位，并对案发地相邻区域的视频监控采取更换硬盘的方式进行了视频保全，同时制作了保全登记表，记录了视频点位名称，保全时间段及北京时间差。

4.2 人像测量

通过反复观看视频，确定案发时间为凌晨时分。 案件视频中犯罪嫌疑人面部特征模糊但身体轮廓清晰，对视频监控中出现的犯罪嫌疑人图像进行分析和测量，确定了犯罪嫌疑人的身高和步态特征。

4.2.1 校正视频监控

在发现死者和案件发生中间间隔一个月的时间，视频监控存在或多或少的变动。 因此，测量身高之前需要校正视频监控，使之恢复到案发时的视场角度。

查看视频监控系统，播放实时监控画面。 在同一台电脑设备上，利用视频播放软件回放案件视频，并选定待测量的视频人像。 用视侦通的桌面标绘功能在屏幕上进行标记，按照图2 所示方法进行成像比例一致性的校正，使视频监控恢复到案发前的视场角度。

4.2.2 数据测量

视频测量显示，犯罪嫌疑人的身高为160 cm 左右。 结合夜间光线条件差、人像距离监控较远，推测犯罪嫌疑人身高在 155 ～165 cm 之间（图 5）。要进行步长测量，首先需对视频监控进行成像比例一致性的校正；其次在案件视频中找出犯罪嫌疑人左右步所在点位；再次在屏幕上进行标记；然后结合侦查实验在现场找到对应点位；最后实地测量犯罪嫌疑人左右步长。 因本案中犯罪嫌疑人左右步长差异较为明显，所以仅在屏幕上标记了左右步所在点位，屏幕步长测量过程和结果分别见图6 和表4。

表4 犯罪嫌疑人左右步长测量数据的对比

图5 犯罪嫌疑人的身高测量

图6 犯罪嫌疑人的步长测量过程

测量结果显示，犯罪嫌疑人左脚步长明显小于右脚步长，左脚步长与右脚步长的比例平均为23∶28。犯罪嫌疑人走路微跛，身体重心向左倾斜。 结合现场勘查和视频测量，综合分析确定犯罪嫌疑人特征：男性、身高在 155 cm ～165 cm 之间、脚跛、上身穿连帽衣服（款式类似于冲锋衣）、双手戴深色手套、右手持匕首、深色鞋面浅色鞋底。

4.3 综合分析

专案组结合已有特征开展调查并取得显著成效：一是在重点人口数据库中以“男性”“身高在155～165 cm 之间”“脚跛”为关键词进行检索，比中了刑满释放人员某某；二是在周边监控中查找相似特征视频人像，发现了犯罪嫌疑人并划定了活动轨迹。综合研判，确定了犯罪嫌疑人的真实身份。经周密部署，专案组成功抓获犯罪嫌疑人并在其居住地搜出作案工具、作案时穿的衣服，并在衣服上提取到死者DNA 等关键性证据。 经查犯罪嫌疑人脚跛，实际测量犯罪嫌疑人的真实身高为160 cm。

本案中，犯罪嫌疑人与死者并不认识，晚上犯罪嫌疑人在路上游荡，遇到受害人，于是萌生抢劫的念头，在抢劫过程中遭遇反抗，最终将受害人杀害。 办案民警发现死者时，距离案发一个月，现场没有提取到有价值的痕迹物证。 在被害人亲属、邻居等相关人员的走访过程中，未发现死者有债务纠纷、邻里纠纷或情感纠纷等相关线索。 案件发生在夜间凌晨时分，犯罪嫌疑人未携带通讯设备、调查走访一无所获、视频人像模糊不清等问题，大大增加了破案难度。 这是一起利用视频人像测量技术成功破获的典型案件。 案件以视频人像测量为突破口，确定了犯罪嫌疑人的身高和走路特征，为侦查指明了方向。

5 技术拓展

实验结果验证了实验设计的科学性、准确性和有效性。 可以在本实验的基础上，结合屏幕标记、成像比例一致性校正、现场重建、点线定位等，拓展视频测量的范围。 可测量视频人像身高、体型特征；测量臂长、肩宽等身体比例特征；测量人物的衣长、袖长、拉链长度、裤长、图案形状和大小等衣着特征；测量人物的背包、挎包、行李等随身物品特征；测量人物的步态特征、步长、步宽、步角、左右脚的步长步宽差异、行进方向与左右脚落地方向的差异、腿部其他特征等；测量人物的摆臂幅度、摆臂频率、行进方向与左右摆臂方向的差异、肩部等其他特征。该测量方法同样适用于视频车辆外观长度、比例、车型等相关数据的测定；应用于车速测定时，能实现视频单帧选点，计算视频车辆帧间实时车速。 不用选择道路环境或车体作为参照物，避免了道路环境标识不明显、车辆长度未知、帧数过长无法测定实时车速等问题的影响；也不会出现上一帧车辆没有到达参考线，而下一帧车辆已经离开参考线的尴尬境地。 实验方法简单易行、实验结果准确可靠，为基层公安实战提供了较为实用的技术方案。