董勝　李鳳　劉守印

摘要：目前，基于深度學習提取人臉特征進行人臉靜態(tài)圖片識別的方法，在Labeled Faces in the Wild（LFW）數(shù)據(jù)集等標準集上的正確識別率幾乎接近人類。但是在視頻流中，由于人體的不停運動和姿態(tài)偏移等問題.導致檢測到的部分人臉區(qū)域嚴重模糊和不完整，如監(jiān)控系統(tǒng)中的人臉。這種情況下，單純地采用基于圖片的人臉識別方法，準確率會嚴重下降。在基于視頻流的人臉區(qū)域提取時，本文提出采用單張人臉區(qū)域圖像的特征自相關指標來衡量人臉的姿態(tài)以及模糊狀況，針對連續(xù)多幀中人臉區(qū)域圖像存在的信息冗余，提出利用連續(xù)多幀中人臉區(qū)域圖像的特征互相關指標來衡量視頻流中人臉區(qū)域的變化程度?；谔岢龅淖韵嚓P指標與互相關指標，本文提出并實現(xiàn)了視頻流中適用于識別的人臉區(qū)域圖像的選取算法，以及加權投票的人臉識別算法。研究中收集并制作了基于視頻流的人臉數(shù)據(jù)集，驗證了本文提出算法的可行性。實驗表明，本系統(tǒng)在有較高的識別率的同時，大幅度降低了人臉識別計算量，使得人臉識別可在視頻流中實時穩(wěn)定地進行。

關鍵詞：視頻流；人臉識別；特征相關性；深度學習

0引言

隨著社會安防需求的增加，視頻監(jiān)控已經越來越多地出現(xiàn)在各種公眾場所中，但對監(jiān)控視頻內容的解讀工作仍然需要大量人工參與。實現(xiàn)視頻中的人臉實時識別，在犯罪嫌疑人搜索、失蹤人口尋找等領域都具有重大意義。而目前的監(jiān)控攝像大多都只提供了事發(fā)之后查找求證的作用，并不能實時識別視頻內容，發(fā)揮實時輔助公安偵查和自動尋找目標的作用。同時，一些需要考勤的區(qū)域，比如公司、辦公場所、教室等人員密集地，點名或主動簽到都將耗費時間和人力，而且存在考勤時間不準確的問題。

視頻流人臉識別主要分為人臉檢測和識別兩個步驟。人臉檢測首先從視頻幀中提取出人臉區(qū)域圖片，而識別步驟則是對提取出的人臉區(qū)域圖片進行識別分類，得出結果。近年來，卷積神經網(wǎng)絡（Convolutional Neural Networks，CNNs）應用于人臉識別領域，大大提高了人臉檢測與識別的準確率。

人臉檢測方面.基于CNNs的方法在Face Detection Data Set and Benchmark（FDDB）上已取得可觀進展。其中，Cascaded CNN和MTCNN在檢測速度上表現(xiàn)優(yōu)異，可以在視頻流中獲得實時技術生成。Cascaded CNN利用級聯(lián)的CNNs進行人臉檢測，但其在檢測時需要對人臉框設計展開矯正，帶來額外的運算量。MTCNN方法采用多任務的CNNs網(wǎng)絡提高人臉檢測的準確率，該方法倍受業(yè)內人士好評。因此，研究中將直接使用MTCNN方法從視頻幀中獲取人臉區(qū)域圖像。

人臉識別方面，目前較有影響的方法可參見文獻等。這些方法在LFW數(shù)據(jù)集上均已獲得了優(yōu)質研發(fā)效應。雖然基于深度學習提取人臉特征進行人臉識別的方法解決了光照、表情、姿態(tài)等大部分難題，但在運動模糊、人臉姿態(tài)偏移過大、遮擋等出現(xiàn)頻次較高的情況下，識別效果仍然未能臻至理想。

視頻流中的人臉識別和單張靜態(tài)圖片的人臉識別在研究上則存在著顯著差異。視頻流中的人臉區(qū)域圖像，常常呈現(xiàn)像素低、模糊不清和姿態(tài)偏差大的特點。圖1即顯示了視頻中通過人臉檢測方法提取的連續(xù)幀人臉區(qū)域圖像。直接使用這些提取的人臉圖像進行人臉識別，正確率偏低，無法應用于實際。