基于人臉識別的智能視頻監控平臺設計與應用研究

［摘 要］基于信息時代背景下安防產品使用場景的智能化發展需求，深入分析基于人臉識別的智能視頻監控平臺設計與應用具有十分重要的現實意義，是安防領域的熱點研究課題。文章對基于人臉識別的智能視頻監控平臺總體框架、功能模塊、數據庫以及人工智能算法的設計進行了詳細闡述，針對目前現行的視頻監控平臺無法完全排除外部干擾進行精準識別進行了優化改進，以期為智能視頻監控平臺人臉識別和人臉檢測等各類指標的性能提升提供參考依據。

［關鍵詞］安防產品；人臉識別；智能視頻監控平臺；設計；應用

1? ? ?基于人臉識別的智能視頻監控平臺的需求分析

1.1? ?可行性分析

（1）技術方面。本平臺主要涉及的技術包括平臺的搭建、數據庫的設計、人臉識別算法的實現以及視頻采集傳遞處理的硬件設備。首先，在平臺搭建方面，本平臺為B/S模式，使用SSH架構，將系統劃分為數據持久層、業務邏輯層和表現層以實現高效編程，采用MVC設計模式，將平臺劃分為不同的對象，并對不同的功能進行分塊處理，保證每一個模塊實現一個功能，這樣設計的好處在于能夠進行企業級別的系統部署，各邏輯的代碼重用性很高且低耦合，開發人員能夠更加集中在頁面的展示上［1］；其次，在數據庫設計方面，本平臺主要使用SQL Server 2012，優點在于該數據庫在具備基本數據存儲功能的基礎上實現了索引查詢，能夠加快信息查詢速度，并且在信息存儲方面能夠提供給用戶自主界定的功能，最重要的是加密功能完善，能夠有效保障視頻數據的安全；再次，在人臉識別算法實現方面，本平臺主要選擇AdaBoost人臉檢測算法，該算法的概念和原理在后文給出；最后，在視頻采集設備方面，本平臺主要采用CCD的攝像機進行視頻監控錄像信息的獲取，利用BNC的接口將數據直接傳遞到DSP處理器中。

（2）操作方面。智能視頻監控平臺的設計與開發工作在編碼方面較為簡單，難點在于海量人臉視頻數據的采集和整合工作，人臉識別算法需要依靠大量的數據訓練，才能在識別準確率上達到預定目標，因此本平臺使用網上開源的人臉識別常用數據集Large-scale CelebFaces Attributes（CelebA）Dataset，該數據集由香港中文大學湯曉鷗教授實驗室公布，包含200k人臉圖片，屬性有40多種，訓練效果較好［2］。另外，平臺系統主要涉及的視頻監控、采集、處理等工作均由平臺內相關功能模塊完成，數據庫中存儲的數據在查詢和編輯方面也較為簡單，技術門檻低，所以總體來說操作可行性高。

1.2? ?功能性需求分析

（1）視頻采集管理。系統模塊主要利用CCD的攝像機來完成終端的監控視頻圖像采集，利用BNC的接口進行數據傳輸，最終傳遞到DSP處理器中，收集到的視頻數據可以用于播放、回放和截圖。

（2）人臉檢測與追蹤。上一步收集到的視頻數據交給人臉檢測識別模塊，該功能模塊負責檢測畫面中是否有人，并對該目標進行標記方便后續的跟蹤處理，標記的結果會形成文字信息留存，該記錄可以查詢并且僅平臺管理員能編輯。當監控人員下達追蹤命令后，人臉追蹤模塊會根據本監控畫面中人臉的運動軌跡判斷其行進方向，然后智能切換到下一個監控畫面中，人臉的運動軌跡及其后續出現的監控編號都會整理成文字信息存儲，可以隨時查看，但不可以更改。

（3）后臺控制。主要包括視頻數據信息的傳遞控制和系統操作的一些控制，前者即I/O輸出模式，能夠方便平臺完成基礎性的指令控制操作，后者采用ARM處理器進行控制操作，能夠及時接收網絡遠程需要的基礎性信息，并且能夠對監控區域進行必要的操作［3］。

（4）配置管理。主要包括參數控制、權限控制、角色控制和用戶信息管理。用戶角色與權限有關，平臺管理員角色唯一且權限最高，領導與監控員工角色不唯一，分別為高級別權限和低級別權限，涉及的平臺功能可操作性有所不同。用戶信息最初由平臺管理員統一創建，后續僅有用戶本人和管理員有權修改信息內容，但權限只有管理員能夠分配。

1.3? ?非功能性需求分析

1.3.1? ?健壯性

視頻監控工作需要系統全天24小時不間斷服務，因此系統能否持續工作是非常關鍵的評價要素，一旦系統出現故障，能否較為方便地維護，甚至在某些功能上進行必要的修改操作也是考察系統健壯性的關鍵環節。一般情況下，系統平臺在設計時就會考慮到后續維護和移植的可能性，并且會根據監控現場的工作環境、網絡環境和硬件環境進行適當的業務增減，以滿足未來持續性工作的需要。

1.3.2? ?可擴充性

視頻監控工作在不同階段會有不同的工作使命，為了滿足后續的使用需求，隨著用戶數量的增多，系統平臺需要及時更新功能或技術來滿足不同的用戶需求。一般情況下，一個比較好的應用平臺在設計時就會以低耦合的形式開發，這樣可以方便后續隨時添加功能模塊而不會影響到原有的功能要求。

1.3.3? ?準確性和響應速度

智能視頻監控需要完成人臉識別和追蹤工作，因此對人臉識別算法的精確度和響應速度有嚴格的要求，試想一下，如果系統在發現目標后到目標前往下一個監控攝像頭之前，仍未給出計算結果，那智能監控工作將會毫無用處，所以在進行算法訓練時要適度調整算法參數和訓練集等，以提高識別準確率，同時在必要的情況下減少神經網絡層數，以提高計算速度。

2? ? ?基于人臉識別的智能視頻監控平臺的概要設計與詳細設計

2.1? ?總體架構設計

通過前文對基于人臉識別的智能視頻監控平臺進行概述、可行性分析和需求分析后，再根據信息化系統架構設計的相關特點，總結出如圖1所示的平臺總體架構，主要包括用戶層、業務層、數據層和基礎平臺層。其中用戶層包括管理員、領導人員、監控人員和用戶；業務層包括視頻采集與回放、人臉檢測與追蹤、后臺控制和配置管理；數據層包括用戶信息、登錄信息、監控信息、人臉信息和追蹤信息；基礎平臺層包括機房、服務器、數據庫、防火墻、終端監控設備等。

2.2? ?總體功能設計

根據總體架構設計中的業務層，總體功能設計主要分為四大功能：視頻采集與回放、人臉檢測與追蹤、后臺控制和配置管理，形成的系統功能模塊結構如圖2所示，每個功能模塊需要完成的任務在前文需求分析中有所介紹。

2.3? ?數據庫設計

數據庫的設計要考慮到三個方面：一是權限問題，無論是訪問權限還是修改權限，都關系到數據庫中視頻數據和文字信息數據的安全，一般來說可以根據用戶的身份進行權限的認證，所以需要設計一張用戶信息表單，包括用戶的基礎信息（用戶ID、用戶名、密碼、電子郵箱、身份證號等）和權限等級；二是用戶操作追蹤方面，當用戶操作系統時，平臺需要對其每一步重要操作進行記錄，所以需要設計一張登錄信息表單，包括用戶的登錄時間、IP地址信息、操作日志等信息，通過對這些信息的監督，能夠很好地控制非法人員的登錄操作；三是視頻信息的有效存儲，當視頻錄像經過人臉識別算法的計算后，會留下相關的圖片信息、文字信息等，這些信息與視頻本身共同組成了有效的視頻信息，所以需要設計一張視頻信息表單，包括視頻基礎信息（視頻ID、視頻名和視頻簡介）、視頻錄像、視頻截圖、一級欄目（人臉標記記錄）、二級欄目（人臉軌跡記錄）等。

2.4? ?人臉識別算法設計

2.4.1? ?積分圖

積分圖算法只需要對圖像掃描一遍就可以完成每個特征的計算，主要用于提高圖像矩陣特征的計算速度，具體計算方法如下：對于一個原始圖像i（x， y）來說，每一個像素點（x， y）的積分值等于它的左上角所有像素的和，如圖3所示，A區域的像素值為I1，B區域為I2，C區域為I3，D區域為I4，那么A的積分值則為I1，B為I1+I2，C為I1+I2+I3，D為I1+I2+I3+I4，以此類推，一張原始圖像所有像素點的積分值都可以快速得出，為提高人臉識別的速度提供了保障。

2.4.2? ?Haar特征的提取

Haar特征是基于積分圖的特征，計算簡單且快速，Haar特征值主要是用灰度圖像中白色矩形內的像素和減去黑色矩形內的像素和來得到，在一定程度上Haar特征值能夠反映相鄰矩形區域內的灰度值變化情況，在目標檢測中得到了廣泛應用。

2.4.3? ?AdaBoost算法

AdaBoost算法是一種自適應分類器算法，對于給定的n個樣本，先初始化其權重，然后進入訓練循環，利用每一個樣本的特征值，進行后向計算，因此每一輪都會對這些權重進行修改，直到所有樣本分類正確，因此用于人臉識別時，能夠根據這個算法判定圖像中是否包含人臉，還能進一步判斷人臉的朝向等特征。

主要參考文獻

［1］宋剛.大數據時代背景下的數據可視化概念研究［J］.無線互聯科技，2021，18（17）：25-26.

［2］彭酉乾.基于人臉識別的自適應監測系統研究與實現［D］.石家莊：河北科技大學，2018.

［3］李翔，張義紅.基于人臉識別的實驗室監控系統設計［J］.工業控制計算機，2018，31（2）：48-49.

［收稿日期］2023-08-06

［作者簡介］寇增濤（1975— ），黑龍江訥河人，網絡工程師，主要研究方向：信息技術。