中国移动通信集团贵州有限公司,贵州 贵阳, 550081
一、现阶段人脸识别技术应用分析
现阶段的人脸识别技术基是于人脸生物识别及计算机网络技术,通过人脸比对,高效的实现访客身份确认、访客授权信息核查、访客活动范围管理等功能。
在安防领域,作为人员管理的重要手段,人脸识别技术应用越来越广泛。在各类园区及办公场所,人脸识别门禁系统的热度逐渐上升,已经成为一种趋势,使得各大小区、办公大楼、学校等场所开始将其作为安防管理的新标配。
作为时下主流的一种生物识别科技,相较于传统的门禁卡、指纹识别,人脸识别门禁系统更便捷、更准确,更安全。再者,经过近些年的发展,人脸识别对不同环境的适应已经有很大进步,这提高了室外门禁系统的识别准确度,使其能够做到无感通行。在提高出入口的通行效率的基础上,极大的加强了出入人员身份安全的管理,保障了区域的安全。
二、现阶段体态识别技术应用分析
对于体态识别技术,通过机器学习对视频画面中的行人体态进行识别对比,从而可识别图像中的人员;但由于人员的体态信息不固定,特征不明显、易于改变,导致体态识别技术对人员身份识别的准确率相较于人脸识别技术准确率底,特别是在授权、权限验证等方面,不能实现较长时间、准确的身份认证识别,目前主要用于在安防监控区域下的实时监控画面内人员的追踪、预判,行人轨迹搜索等功能。
三、现有的基于人脸识别门禁的管理方式存在以下缺陷
只能在出入人员经过专业的人脸识别门禁系统,人员脸部对准识别摄像头时,门禁系统通过人脸比对来确认是否有人员进入、以及进入人员的合法性,对于没有专门的人脸识别系统的区域,或是门禁处于开放的区域无法进行人员身份识别以及授权管控;其人员识别功能仅限于识别系统部署通道,并需要进行近距离识别;这样的单一人脸识别方式,无法满足如同数据中心、物流园区、涉密单位区域、办公楼宇、院校等需要全面覆盖、实时、精确人员身份识别以及授权监管、快速定位、轨迹追踪的场景,建设成本高、管理被动、不能满足监管需求。
人脸识别系统缺陷
四、人脸识别与体态识别技术融合应用研究解决方案
本方案在传统的人脸识别系统的基础上,通过采用基于深度学习的体态识别技术应用,通过在人脸识别门禁区域的摄像头实现人员实时体态数据的匹配学习;进行人脸、体态及人员信息的匹配模型建立,在监控区域内便可通过区域内的普通高清摄像头信息进行体态识别分析,确认进入视频监控画面内的人员身份。在被动的人脸识别门禁管理系统基础上添加基于体态分析的主动身份识别及认证,弥补仅基于人脸识别门禁系统的人员管理方案的不足之处,真正实现全区域覆盖、低成本、实时在线、可快速定位追踪的区域人员安防管理。
同时通过在安防管理区域内的可进行近距离图像获取的环境点部署远、近景监控摄像头,建立人脸及体态信息的多次匹配学习修正机制,通过在例如过道、电梯、门廊等区域,通过近景摄像头画面信息进行人脸信息的多次获取确认,并结合前期已经进行匹配建模的人脸信息、体态信息、上时间轴、行人轨迹预判信息作为输入数据,进行“人脸—体态—人员身份”信息多次的机器学习匹配,不断修正模型信息准确性,保障在监控区域内人员发生面部、体态信息改变(如恶意遮挡、换衣服等)、遮挡时,同样能够有效准确识别;
五、技术方案详细阐述
本方案在基于人脸识别的门禁系统之上,进行基于体态识别的人员身份分析、定位追踪及告警,具体实现方式如下:
“
人脸-体态-身份”模型原理
六、结束语
人脸识别与体态识别技术融合应用,有效建立了视频监控系统中的实时时空数据关联信息,实现了视频画面中的人员信息多维度比对关联,可利用在园区、场馆、展会、校园等场所的视频监控系统中,实现准确实时的安防监控监控,实现人员信息呈现、多维度追踪检索、区域授权等功能。
作者简介:
谭明强,198409,男,汉族,本科,通信工程师,云计算及网络信息安全
雷剑,198505,男,汉族,本科,云网一体化及数据中心