面向云計(jì)算的視頻監(jiān)控人臉識(shí)別模型

陳明

（成都廣播電視大學(xué)　四川成都　610051）

面向云計(jì)算的視頻監(jiān)控人臉識(shí)別模型

陳明

（成都廣播電視大學(xué)四川成都610051）

視頻監(jiān)控系統(tǒng)的廣泛使用，使得在大范圍跨平臺(tái)利用海量的視頻數(shù)據(jù)去查找犯罪信息成為關(guān)鍵問(wèn)題。文章在討論云計(jì)算具有高性能計(jì)算能力和海量存儲(chǔ)能力的基礎(chǔ)上，提出了將大范圍的視頻監(jiān)控系統(tǒng)中的人臉識(shí)別這個(gè)難題使用云平臺(tái)來(lái)解決，并由此設(shè)計(jì)出面向云計(jì)算的視頻監(jiān)控人臉識(shí)別模型。

云計(jì)算；視頻監(jiān)控；人臉識(shí)別；模型

1　引言

目前，隨著電子技術(shù)、通訊技術(shù)、信息處理技術(shù)的高速發(fā)展和社會(huì)穩(wěn)定的需要，許多重要的場(chǎng)所都安裝了視頻監(jiān)控設(shè)備，這為人們?cè)谔幚戆踩录r(shí)提供了最直接的現(xiàn)場(chǎng)證據(jù)。但是，目前很多單位的監(jiān)控系統(tǒng)都是獨(dú)立的，只能在一定的范圍內(nèi)查找或跟蹤，在遇到需要跟蹤識(shí)別目標(biāo)時(shí)，由于攝像頭覆蓋點(diǎn)位少、范圍擴(kuò)展窄（如大到整個(gè)城市，細(xì)小到一個(gè)單位或者一個(gè)很小的住宅小區(qū)），要尋找一個(gè)人，需要協(xié)調(diào)多個(gè)單位，浪費(fèi)大量的人力物力，使系統(tǒng)的處理滯后，從而導(dǎo)致跟蹤或識(shí)別的失敗。

所以，在此情況下，局部單位的攝像機(jī)不能很好地發(fā)揮識(shí)別和跟蹤的作用，我們需要協(xié)調(diào)并整合這些攝像機(jī)，從而達(dá)到協(xié)作監(jiān)控以及視頻跟蹤的目的。

2　面向云計(jì)算的視頻監(jiān)控人臉識(shí)別

由于視頻監(jiān)控的特殊需要，畫(huà)面質(zhì)量需要不斷提高，并且視頻線路也在不斷增加，這些因素在導(dǎo)致視頻監(jiān)控系統(tǒng)的存儲(chǔ)容量成倍增長(zhǎng)的同時(shí)，也增大了系統(tǒng)的處理需求。特別是海量的視頻數(shù)據(jù)的識(shí)別處理，這遠(yuǎn)遠(yuǎn)不是一臺(tái)或局部服務(wù)器群集的處理能力所能承受的。

將云計(jì)算的高性能處理能力和海量且廉價(jià)的存儲(chǔ)引入到視頻監(jiān)控系統(tǒng)中來(lái)，有利于實(shí)現(xiàn)大范圍內(nèi)進(jìn)行視頻監(jiān)控人臉識(shí)別和跟蹤。

2.1什么是云計(jì)算

云計(jì)算作為繼服務(wù)計(jì)算和網(wǎng)格計(jì)算之后的一種新的計(jì)算模式，正逐步被人們認(rèn)可接受。在遠(yuǎn)程的數(shù)據(jù)中心，千萬(wàn)臺(tái)電腦和服務(wù)器連接成一片電腦云，可以提供海量的存儲(chǔ)能力和超強(qiáng)的計(jì)算能力，并具有高度的可擴(kuò)展性。用戶通過(guò)電腦、手機(jī)、其他智能終端等方式接入云計(jì)算，就可以按自己的需求進(jìn)行存儲(chǔ)和運(yùn)算。

對(duì)云計(jì)算的定義，不同單位或社會(huì)組織有所不同。如：IBM公司在2007年的技術(shù)白皮書(shū)中對(duì)云計(jì)算定義這樣描述：云計(jì)算一詞用來(lái)同時(shí)描述一個(gè)系統(tǒng)平臺(tái)或者一種類(lèi)型的應(yīng)用程序。一個(gè)云計(jì)算的平臺(tái)按需進(jìn)行動(dòng)態(tài)地部署(provision)、配置（configuration)、重新配置(reconfigure)以及取消服務(wù)(deprovision)等。IDC的云計(jì)算定義為：云計(jì)算是一個(gè)新的IT開(kāi)發(fā)和使用模型，它可以通過(guò)互聯(lián)網(wǎng)實(shí)時(shí)地提供需要的服務(wù)(產(chǎn)品)和解決方案[1]。

這些對(duì)于云計(jì)算的定義中，包含兩個(gè)方面：一方面描述了基礎(chǔ)設(shè)施，是用來(lái)構(gòu)造上層應(yīng)用程序的基礎(chǔ)；另一方面描述了建立在這種基礎(chǔ)設(shè)施之上的云計(jì)算應(yīng)用。云計(jì)算是從網(wǎng)格計(jì)算、集群技術(shù)以及超級(jí)計(jì)算中繼承和發(fā)展而來(lái)的，擁有比它們更高的靈活性和更強(qiáng)的處理計(jì)算能力。它是能夠提供動(dòng)態(tài)資源池、虛擬化和高可用性的下一代計(jì)算平臺(tái)（見(jiàn)圖1）。

圖1　云計(jì)算的技術(shù)結(jié)構(gòu)

通過(guò)這些技術(shù)手段，云計(jì)算具備高可擴(kuò)展性和高可用性。可擴(kuò)展性表達(dá)了云計(jì)算能夠無(wú)縫地延伸到大規(guī)模的集群之上，甚至包含數(shù)千個(gè)節(jié)點(diǎn)同時(shí)進(jìn)行處理。高可用性代表了云計(jì)算能夠容忍節(jié)點(diǎn)的錯(cuò)誤，甚至有很大一部分節(jié)點(diǎn)發(fā)生失效也不會(huì)影響程序的正確運(yùn)行。

2.2云計(jì)算和視頻監(jiān)控人臉識(shí)別的結(jié)合

在本模型中，前端系統(tǒng)配備攝像頭和視頻服務(wù)器，通過(guò)攝像頭進(jìn)行視頻的采集，采集的視頻數(shù)據(jù)可以直接發(fā)送到云計(jì)算系統(tǒng)中，也可以通過(guò)視頻服務(wù)器進(jìn)行處理。一般情況下，本模型將圖像處于變化中的數(shù)據(jù)實(shí)時(shí)發(fā)送至云平臺(tái)，普通的錄像數(shù)據(jù)保存在本地，不發(fā)送至云平臺(tái)，然后這些數(shù)據(jù)通過(guò)云平臺(tái)進(jìn)行處理，最后實(shí)現(xiàn)識(shí)別的目的[2]。

布置在遠(yuǎn)端監(jiān)控終端能夠?qū)崟r(shí)地請(qǐng)求需要監(jiān)控視頻數(shù)據(jù)，這些數(shù)據(jù)可以由云平臺(tái)實(shí)時(shí)提供，也可以由云平臺(tái)請(qǐng)求具體的視頻服務(wù)器提供，然后再轉(zhuǎn)發(fā)至監(jiān)控終端。在識(shí)別請(qǐng)求時(shí)，由云計(jì)算平臺(tái)的虛擬計(jì)算對(duì)被監(jiān)控的某一區(qū)域的視頻數(shù)據(jù)進(jìn)行識(shí)別計(jì)算。對(duì)使用該系統(tǒng)的用戶而言，他只需要與云計(jì)算平臺(tái)聯(lián)系，包括視頻的監(jiān)控、被監(jiān)控現(xiàn)場(chǎng)的特定目標(biāo)識(shí)別和跟蹤。

本模型的視頻監(jiān)控?cái)?shù)據(jù)存儲(chǔ)在本地，變化數(shù)據(jù)發(fā)往云平臺(tái)，從而保證了本地和遠(yuǎn)程的冗余，即使網(wǎng)絡(luò)斷開(kāi)也不影響本地的使用。

3　面向云計(jì)算的視頻監(jiān)控人臉識(shí)別模型設(shè)計(jì)

在視頻監(jiān)控系統(tǒng)中，若有必要去跟蹤或?qū)ふ夷骋粋€(gè)人，則在海量的攝像頭和攝像數(shù)據(jù)面前，需要的是海量的計(jì)算和存儲(chǔ)能力，普通且單一的服務(wù)器計(jì)算顯然已經(jīng)不再適合[3]；在云計(jì)算平臺(tái)中，云計(jì)算提供的低成本、高性能計(jì)算能力和海量存儲(chǔ)能力的特點(diǎn)為海量的視頻數(shù)據(jù)處理上提供了新的思路。

在云計(jì)算平臺(tái)中，通過(guò)對(duì)云系統(tǒng)的存儲(chǔ)資源進(jìn)行統(tǒng)一整合管理，為用戶提供一個(gè)統(tǒng)一的存儲(chǔ)空間。在視頻數(shù)據(jù)存儲(chǔ)方面，面對(duì)PB級(jí)的海量存儲(chǔ)需求,云計(jì)算這種新型的服務(wù)模式要求存儲(chǔ)架構(gòu)保持很低的成本,這是一種高效的集群存儲(chǔ)技術(shù)，不僅突破了SAN的性能瓶頸，而且可以實(shí)現(xiàn)性能與容量的線性擴(kuò)展，滿足視頻取證監(jiān)控系統(tǒng)的需求。

云計(jì)算平臺(tái)提供強(qiáng)大的計(jì)算能力，這得益于它的計(jì)算虛擬化技術(shù)。它將服務(wù)器物理資源抽象成邏輯資源，讓一臺(tái)服務(wù)器變成幾臺(tái)甚至上百臺(tái)相互隔離的虛擬服務(wù)器，或者讓幾臺(tái)服務(wù)器變成一臺(tái)服務(wù)器來(lái)用。硬件資源不再受限于物理上的界限，而是讓CPU、內(nèi)存、I/O等硬件變成可以動(dòng)態(tài)管理的資源池，從而提高資源的利用率。資源池的動(dòng)態(tài)更新變得容易，可以隨時(shí)增加成千上萬(wàn)的服務(wù)器。

3.1面向云計(jì)算的視頻監(jiān)控人臉識(shí)別的系統(tǒng)架構(gòu)

隨著視頻監(jiān)控技術(shù)的發(fā)展，視頻監(jiān)控系統(tǒng)已經(jīng)由最開(kāi)始的模擬攝像機(jī)發(fā)展到現(xiàn)在的網(wǎng)絡(luò)攝像機(jī)，模擬攝像機(jī)的分辨率不高，需要的存儲(chǔ)量相對(duì)較小，但是網(wǎng)絡(luò)攝像機(jī)一般都是高清像素，需要很大的存儲(chǔ)空間，更需要高性能的計(jì)算能力，如果要全局的處理聯(lián)動(dòng)跟蹤，小型的存儲(chǔ)和單一的服務(wù)器基本無(wú)法實(shí)現(xiàn)，所以需要使用當(dāng)前最新技術(shù)——“云計(jì)算”來(lái)處理[4]。

由于視頻監(jiān)控系統(tǒng)廠家不統(tǒng)一，存儲(chǔ)方式和攝像機(jī)也截然不同，故我們這里做出如下假定：

假定1：模型中任何一個(gè)單一的監(jiān)控系統(tǒng)都具有移動(dòng)偵測(cè)能力，一旦圖像有變動(dòng)那么就主動(dòng)傳送至云平臺(tái)。

假定2：在模型中的每一個(gè)視頻服務(wù)（包括DVR、和單一的帶視頻服務(wù)的攝像頭以及其他一些視頻服務(wù)）都能主動(dòng)和被動(dòng)向云平臺(tái)發(fā)送移動(dòng)偵測(cè)視頻流和某一段歷史時(shí)間的視頻流，同時(shí)也能夠發(fā)送實(shí)時(shí)視頻流數(shù)據(jù)至云平臺(tái)，但其大部分錄像仍然保存在本地，以彌補(bǔ)網(wǎng)絡(luò)帶寬不足或網(wǎng)絡(luò)斷開(kāi)的缺陷。

假定3：模型中，每一個(gè)和云平臺(tái)相連的設(shè)備都具有足夠的網(wǎng)絡(luò)帶寬。

基于假定1-3，我們給出模型圖（見(jiàn)圖2）。

圖2　模型結(jié)構(gòu)圖

圖2中，模型主要分為4大模塊，即：云計(jì)算平臺(tái)、管理終端、前端監(jiān)控系統(tǒng)端、用戶終端。云計(jì)算平臺(tái)用于存儲(chǔ)和匹配計(jì)算；管理終端用于管理系統(tǒng)的用戶、權(quán)限、資源使用情況、接入等；前端監(jiān)控設(shè)備為系統(tǒng)提供錄像資料；用戶終端是監(jiān)控系統(tǒng)的直接用戶、服務(wù)的受益者。

3.2基本結(jié)構(gòu)的定義

為實(shí)現(xiàn)圖2中的模型，我們需要對(duì)系統(tǒng)中的攝像機(jī)數(shù)據(jù)、源人臉圖像、目標(biāo)數(shù)據(jù)等做出定義。

定義1：源人臉圖像匹配數(shù)據(jù)結(jié)構(gòu)

我們?cè)O(shè)Sp為源圖像數(shù)據(jù)，定義源圖像數(shù)據(jù)結(jié)構(gòu)如下：

T=Ticket，為源圖像進(jìn)入云平臺(tái)時(shí)，為其分配的識(shí)別序號(hào)，具有唯一性。

P=Picture，為源圖像數(shù)據(jù)，包括圖像數(shù)據(jù)和圖像格式信息。

Ts為源圖像進(jìn)入云平臺(tái)時(shí)的時(shí)間。

Te為識(shí)別成功的時(shí)間。

S為識(shí)別成功與否的標(biāo)志，成功為T(mén)rue，失敗為Fa1se。

A為最后一次識(shí)別成功的地址。

定義2：視頻攝像機(jī)的數(shù)據(jù)結(jié)構(gòu)定義

視頻服務(wù)為視頻數(shù)據(jù)的提供者，一個(gè)視頻服務(wù)可以包含一個(gè)或多個(gè)攝像機(jī)數(shù)據(jù)，系統(tǒng)中數(shù)量龐大的攝像機(jī)需要進(jìn)行區(qū)分，這就要求對(duì)攝像機(jī)和視頻服務(wù)器進(jìn)行編碼定義。

設(shè)Cb為攝像機(jī)編碼，定義為：

Cb={XXXX(國(guó)際區(qū)號(hào))XXXX(國(guó)內(nèi)區(qū)號(hào))XXXX (縣或區(qū)編號(hào))XXXX(保留位再細(xì)分)XXXXXXXX}

……(2)

系統(tǒng)編碼設(shè)計(jì)時(shí)保證編碼的唯一性，不足位的，前面加0；假如是在中國(guó)（0086） 成都(0028)成華區(qū)(0001)的某一處攝像機(jī)，那么其編碼就為Cb={008600280001000000000001}。

設(shè)Cs為攝像機(jī)數(shù)據(jù)結(jié)構(gòu)，由此攝像機(jī)的數(shù)據(jù)結(jié)構(gòu)定義為：

Cb為攝像機(jī)編碼，結(jié)構(gòu)見(jiàn)式（2）。

Ip為攝像機(jī)所在視頻服務(wù)器的IP地址，一般為公共IP地址，如果出現(xiàn)私有IP地址，這臺(tái)攝像機(jī)需要能夠及時(shí)與之連接；當(dāng)云平臺(tái)請(qǐng)求該視頻服務(wù)器的信息時(shí)，能夠訪問(wèn)到該IP地址。多臺(tái)攝像機(jī)可能會(huì)對(duì)應(yīng)一個(gè)IP地址。

Time為攝像機(jī)安裝時(shí)間。

Name為攝像機(jī)的名稱(chēng)，命名規(guī)則可以按照用途或地址命名。

Work為攝像機(jī)是否是處于工作狀態(tài)，非工作狀態(tài)包括維修、拆除等狀態(tài)。

Demo為該攝像機(jī)的用戶或其他信息備注。

3.3人臉識(shí)別算法設(shè)計(jì)

人臉識(shí)別是根據(jù)已有的人臉特征，在待識(shí)別的人臉圖像中，找出最接近的圖像。目前所利用的人臉特征一般為形狀特征、灰度分布和頻域特征三種。其中：形狀特征包括人臉各主要部位的形狀以及人臉各部位之間的相對(duì)位置；灰度分布特征將人臉圖像看成一維或二維灰度模式，所計(jì)算出的不同灰度模式之間的距離就是整體的灰度分布特征；頻域特征，即將人臉圖像變換到頻域后所作的特征臉?lè)治?，此時(shí)的特征即為頻域特征[5]。

在對(duì)特定人物的視頻取證，可能只能得到一幅圖像，也就是要用單樣本來(lái)進(jìn)行人臉識(shí)別。人臉識(shí)別方法可以分為兩類(lèi)，即基于幾何特征和基于模板匹配。在基于單樣本的人臉識(shí)別方法中，主要有樣本擴(kuò)張法、特征子空間擴(kuò)展法、通用學(xué)習(xí)框架法、圖像增強(qiáng)法、神經(jīng)網(wǎng)絡(luò)法和三維識(shí)別法等。

這些方法中，側(cè)重點(diǎn)不一樣。比如：樣本擴(kuò)張法利用各種技術(shù)從原樣本圖像合成多個(gè)虛擬圖像，擴(kuò)張每類(lèi)的訓(xùn)練樣本數(shù)目，使單訓(xùn)練樣本人臉識(shí)別問(wèn)題變成一般的人臉識(shí)別問(wèn)題。這種方法對(duì)解決表情變化的情況較有效，缺點(diǎn)是生成的這些虛擬人臉圖像與原人臉圖像高度相關(guān)，并不是真正獨(dú)立的人臉圖像。神經(jīng)網(wǎng)絡(luò)法的優(yōu)點(diǎn)是避免了復(fù)雜的特征提取工作[6]，以并行方式處理信息，能顯著提高速度。三維人臉識(shí)別法在解決單樣本人臉識(shí)別中相對(duì)有效，但三維圖像的數(shù)據(jù)量和計(jì)算量十分巨大，對(duì)計(jì)算機(jī)硬件要求高。

利用云計(jì)算平臺(tái)的強(qiáng)大計(jì)算能力，采用多種方法的結(jié)合，盡量減少由于姿態(tài)、光照等因素造成的識(shí)別率低的問(wèn)題。為提高人臉識(shí)別的準(zhǔn)確率，本文采用兩步檢測(cè)識(shí)別方法：

a)預(yù)識(shí)別利用前述的方法進(jìn)行檢測(cè)和識(shí)別。當(dāng)識(shí)別相似度在某個(gè)閾值K1以上(該閾值K1可以自定義調(diào)整)，立即啟動(dòng)精確檢測(cè)識(shí)別功能，自動(dòng)啟動(dòng)攝像機(jī)云臺(tái)控制模塊，調(diào)節(jié)到科學(xué)合理的位置，以便拍攝到更清晰的人臉等目標(biāo)。

b)精確識(shí)別通過(guò)預(yù)識(shí)別后的一系列操作，可得到更清晰的人臉圖像。然后對(duì)該系列人臉圖像深度進(jìn)行識(shí)別。如果出現(xiàn)與待識(shí)別目標(biāo)的相似度小于閾值K2(閾值K2也可自定義為預(yù)先設(shè)定)，則可判斷該目標(biāo)不是要跟蹤的特定目標(biāo)；否則，要取證的特定目標(biāo)需要該目標(biāo)判定，此時(shí)，立即啟動(dòng)目標(biāo)跟蹤模塊和協(xié)同跟蹤模塊（見(jiàn)圖3）。

圖3　 識(shí)別流程

（1）用戶提交圖像和識(shí)別范圍——用戶將需要識(shí)別的源人臉圖像提交給系統(tǒng)，同時(shí)提交的圖像可能存在多個(gè)，那么就需要進(jìn)行隊(duì)列處理，采用FIFO的方式，發(fā)送至圖像處理模塊；識(shí)別范圍是指需要在某一個(gè)視頻監(jiān)控系統(tǒng)區(qū)域內(nèi)對(duì)該區(qū)域源人臉圖像進(jìn)行比對(duì)識(shí)別，范圍提交常規(guī)可參照前述定義2的編碼方式，比如要對(duì)中國(guó)（0086）成都(0028)成華區(qū)(0001)這個(gè)范圍攝像機(jī)數(shù)據(jù)進(jìn)行對(duì)比，那么提交的范圍就為：{008600280001}，如果要有選擇的對(duì)某幾個(gè)范圍進(jìn)行對(duì)比識(shí)別，那么就采用集合的方式提交范圍：{范圍1，范圍2，…}。

（2）圖像特征處理—系統(tǒng)獲得源圖像和識(shí)別范圍后，對(duì)圖像進(jìn)行特征處理，并將識(shí)別范圍解析成為系統(tǒng)識(shí)別的每臺(tái)攝像機(jī)，獲取其編碼集合提交下一流程；

（3） 資源分配—將資源分配成為n個(gè)小任務(wù)，分別將這些小任務(wù)提交給云平臺(tái)，進(jìn)行多線程處理；

（4）云平臺(tái)—完成對(duì)圖像的對(duì)比和視頻監(jiān)控圖像的調(diào)用，最后生成對(duì)比結(jié)果；

（5）返回結(jié)果——結(jié)果是一個(gè)集合，一個(gè)由0個(gè)或N個(gè)低點(diǎn)和時(shí)間組成的集合。

4　結(jié)束語(yǔ)

云計(jì)算的研究和應(yīng)用前景廣闊。利用云計(jì)算的海量虛擬存儲(chǔ)能力以及強(qiáng)大的虛擬計(jì)算能力，文章提出了一種新型的視頻監(jiān)控系統(tǒng)人臉識(shí)別技術(shù)的解決方案。布置在遠(yuǎn)端的用戶端，只需要提交源人臉圖像和識(shí)別范圍，即可獲得對(duì)比的數(shù)據(jù)和結(jié)果。但是，基于云計(jì)算平臺(tái)的視頻控系統(tǒng)中，以下幾個(gè)方面還有待進(jìn)一步研究：（1）將龐大的數(shù)據(jù)任由云平臺(tái)實(shí)時(shí)調(diào)用，現(xiàn)有的網(wǎng)絡(luò)帶寬費(fèi)用昂貴，且視頻流量數(shù)據(jù)量大；（2） 視頻信息的安全，確保監(jiān)控的視頻信息保存在云計(jì)算系統(tǒng)中以及在與云平臺(tái)的傳輸過(guò)程中不被竊密或遭到破壞。而基于視頻的實(shí)時(shí)人臉識(shí)別中，遇到人體姿態(tài)多樣、現(xiàn)場(chǎng)光線昏暗等情況，將對(duì)識(shí)別的正確性造成較大影響，這也是下一步需要研究的問(wèn)題。

［1］云計(jì)算的定義和特點(diǎn).中國(guó)云計(jì)算網(wǎng)［EB/OL］．http://www.chinacloud.en/how.aspxTid= 741&eid=17.(2009-02-15).

［2］陳康，鄭緯民．云計(jì)算:系統(tǒng)實(shí)例與研究現(xiàn)狀［J］．軟件學(xué)報(bào)，2009（5）．

［3］張建勛，古志民，鄭超．云計(jì)算研究進(jìn)展綜述［J］．計(jì)算機(jī)應(yīng)用研究，2010（2）．

［4］彭召意，周玉，文志強(qiáng).基于云計(jì)算的視頻取證監(jiān)控系統(tǒng)［J］.計(jì)算機(jī)應(yīng)用研究，2011（8）.

［5］蔣建國(guó)，孫洪艷，齊美彬.基于mean—shift算法的人臉實(shí)時(shí)跟蹤方法［J］.計(jì)算機(jī)應(yīng)用研究，2008（7）.

［6］文志強(qiáng)．基于均值偏移算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究［D］．長(zhǎng)沙:中南大學(xué)，2008．

［責(zé)任編輯何一輝］

G434

A

1008-7656（2015）04-0086-05

2015－10－09

陳明，成都廣播電視大學(xué)助教，研究方向：計(jì)算機(jī)應(yīng)用、網(wǎng)絡(luò)安全。