動態人臉識別技術的難點與解決思路
作為一種比較新而且發展快的技術,並不是所有人都對這門技術有較為清晰的認識和理解。比如人臉識別技術的演算法是怎樣的,人臉識別技術目前發展到什麼程度了,該技術對圖像類別及質量有何要求,在實際應用中又有哪些分類等等,這些問題姚委員為大家進行了比較細緻的解答,並對動態人臉識別技術的系統構成和優勢、動態人臉識別與常規監控的區別也進行了闡述。
如地鐵、高速公路卡口、車站卡口、超市反扒、邊檢、人群分析等等。因而很多廠家也生產了動態人臉識別技術的相關產品,如具有人臉識別功能的攝像機、人臉識別分析儀等等。但是林林總總的人臉識別產品給人以豐富的選擇的同時也帶來了相當大的選擇困擾,到底如何選擇人臉識別產品呢?哪些產品在人臉識別方面技術比較先進呢?
就這類問題,姚委員介紹了近期省公安局組織的人臉識別攝像機的測試,測試地點在東山口地鐵站某扶梯口進行。在該測試中,性能表現最好的攝像機為Basler黑白攝像機,在監控名單庫1和庫2時採用低清演算法的性能表現最好。在監控名單庫3時採用高清演算法的性能表現最好,誤報率在1%時漏報率維持在25%的實際可用水平。
參照國標《安全防範視頻監控人臉識別系統技術要求》,該次測試監控名單庫相當於C級(監控名單庫容量為1萬至10萬人),參加測試人員也基本滿足於C級水平(註冊測試人員多於10人,每人至少通過2次,即不少於200人次通過;非註冊測試人員需為註冊測試人員通過次數的2倍以上)。在該次測試中,沒有達到一級的系統性能級別,二級系統性能級別有1個測試組合,三級的性能級別有28個測試組合,四級的性能級別有10個測試組合。(誤報率在5%的情況下,漏報率小於5%的為一級,5%~20%為二級,20%~50%為三級,50%~70%為四級)。
從實際測試來看,用戶的預期與當前的技術水平之間的差距還是比較大的。人臉識別技術在動態監控應用中面臨的壓力實際上也比較大。
1.用戶希望正確報警率要求高。而現實是理論上來說必須接受高誤報率。在技術方面,要達到高正確報警率,可以通過降低閾值來實現,但是降低閾值的代價是:高誤報率。為了達到95%正確報警率,很多演算法可能會產生300%或更高的誤報率。
2.用戶希望監控庫足夠大,往往要求數萬或幾十萬,甚至上百萬的監控名單,希望能捕到「大魚」。現實是庫容量大就必須接受高誤報率。
3. 用戶希望大規模成網建設,能夠勾畫出監控人員的活動軌跡。 現實是必須高投入,重新建專用網路和相關硬體。
4. 用戶希望盡量使用目前的監控設備(攝像機和網路)。 現實是現有的攝像機清晰度不夠,圖像質量差,用於場景監控時視頻中人臉過小,網路帶寬不夠等等造成無法使用現有設備。
5. 用戶希望少產生誤報甚至不產生誤報。 現實是這樣就必將損失正確報警率和減少監控庫容量,與用戶的想法相違。
動態人臉識別在應用中遇到的挑戰
1.光照問題
面臨各種環境光源的考驗,可能出現側光、頂光、背光和高光等現象,而且有可能出現各個時段的光照不同,甚至在監控區域內各個位置的光照都不同。
2.人臉姿態和飾物問題
因為監控是非配合型的,監控人員通過監控區域時以自然的姿態通過,因此可能出現側臉、低頭、抬頭等的各種非正臉的姿態和佩戴帽子、黑框眼鏡、口罩等飾物現象。
3.攝像機的圖像問題
攝像機很多技術參數影響視頻圖像的質量,這些因素有感光器(CCD、CMOS)、感光器的大小、DSP的處理速度(數字信號處理就是用數值計算的方式對信號進行加工的理論和技術,它的英文原名叫Digital Signal Processor,簡稱DSP,即數字信號處理器)、內置圖像處理晶元和鏡頭等,同時攝像機內置的一些設置參數也將影響視頻質量,如曝光時間、光圈、動態白平衡等參數。
4.丟幀和丟臉問題
需要的網路識別和系統的計算識別可能會造成視頻的丟幀和丟臉現象,特別是監控人流量大的區域,由於網路傳輸的帶寬問題和計算能力問題,常常引起丟幀和丟臉。
視頻人臉識別監控的最優方案
1.使用更先進的高清攝像頭(3-5百萬)。
2.室內均勻光線,或室外白天,無側光和直射光
3.人群面向同樣的方向,朝向相機的方向。
4.恰當的監控點,如走廊、巷子或安檢門/閘機口等(不要一群人同時出現)。
5.相機與人臉的角度小於20°。
決定監控系統性能的幾個主要因素
1.模板庫的人數:不宜大,包含關鍵人物即可。
2.經過攝像頭的人數:同時出現在攝像頭的人數決定了單位時間裡的比對次數。
3.報警反饋時間:實時性越強,對系統性能要求越高。
4.攝像頭採集幀數:幀數越高,人員經過攝像頭前採集的次數越多,比對的次數也越多。
報警過濾機制
建立報警過濾機制是解決錯誤報警率高的有效方法,當監控名單庫容量較大時,可以通過此方法,將錯誤報警率控制在千分之N的之內,使動態監控走向實際應用。
綜合來看,目前動態人臉識別技術的發展還遠遠達不到用戶的需求,圖像分析不盡人意,正確報警率普遍不高,誤報率與大容量之間似乎不可調節,性價比較低等等問題似乎成為了動態人臉識別技術的絆腳石。但是,如何將這些絆腳石變為鋪路石,正式各廠商及技術人員需要努力的目標。
推薦閱讀:
※中國團隊奪得 MegaFace 百萬人臉識別冠軍,精度 98% 再創紀錄,論文代碼 + 數據全開源
※人臉辨識技術也存在膚色和性別歧視?
※面部識別時代的技術自覺
※人臉識別出手!讓號販子再無可趁之機!
※冷靜審視人工智慧技術的本質 | 一圖看懂新一代人工智慧知識體系大全
TAG:人臉識別 |