基于云臺(tái)攝像機(jī)的快速移動(dòng)人臉檢測(cè)與跟蹤設(shè)計(jì)

馮安惠 王忠策

摘要：為實(shí)現(xiàn)校園的安全監(jiān)控，提出基于云臺(tái)攝像機(jī)的快速移動(dòng)人的檢測(cè)與跟蹤算法。介紹云臺(tái)攝像機(jī)用于校園安全監(jiān)控的基本構(gòu)成。通過(guò)控制攝像機(jī)云臺(tái)兩自由度旋轉(zhuǎn)角度及使用DEEPID2識(shí)別算法實(shí)現(xiàn)對(duì)運(yùn)動(dòng)的特定人檢測(cè)與跟蹤。應(yīng)用效果表明：本設(shè)計(jì)方案對(duì)特定移動(dòng)人的識(shí)別率較高，識(shí)別魯棒性較強(qiáng)，達(dá)到檢測(cè)與跟蹤效果要求。

關(guān)鍵詞：云臺(tái)攝像機(jī)；目標(biāo)檢測(cè)與跟蹤；DEEPID2

1 緒論

隨著社會(huì)經(jīng)濟(jì)發(fā)展，計(jì)算機(jī)視覺領(lǐng)域也得到了較好的發(fā)展，現(xiàn)在我們的生活中目標(biāo)檢測(cè)以及目標(biāo)跟蹤已經(jīng)得到了較好的運(yùn)用。比如視頻監(jiān)控、人機(jī)交互以及機(jī)器人視覺等各個(gè)領(lǐng)域中。雖然，現(xiàn)在科研人員通過(guò)研究已經(jīng)進(jìn)行了多種跟蹤算法的提出。其中卡爾曼濾波、粒子濾波和Mean Shift等算法已經(jīng)比較的成熟。[23]但是目標(biāo)跟蹤時(shí)比較容易受到目標(biāo)無(wú)規(guī)律運(yùn)動(dòng)、光照條件變化以及被遮擋等一些因素影響。并且需要說(shuō)明Mean Shift算法雖然可以將上述問(wèn)題克服，但是若是目標(biāo)尺度出現(xiàn)一定變化，那么跟蹤也會(huì)失敗，所以我們必須認(rèn)識(shí)到現(xiàn)在精確目標(biāo)跟蹤還是比較困難的。

本課題研究的時(shí)候，使用的云臺(tái)攝像頭具有兩個(gè)自由度，拍攝的時(shí)候范圍比較廣泛，具有不同焦距下不同的細(xì)節(jié)信息，能夠切實(shí)滿足監(jiān)控的實(shí)際需要。云臺(tái)攝像機(jī)進(jìn)行目標(biāo)檢測(cè)的時(shí)候，需要攝像機(jī)進(jìn)行圖片信息的采集，并傳送到主機(jī)中去，利用本算法進(jìn)一步的對(duì)圖片進(jìn)行模式識(shí)別以及預(yù)處理，最后檢測(cè)運(yùn)動(dòng)目標(biāo)物，并將反饋的相關(guān)結(jié)果告知工作人員。本文選擇的DEEPID2相關(guān)算法可以很好的適應(yīng)跟蹤環(huán)境發(fā)生的變化，能夠讓目標(biāo)檢測(cè)以及目標(biāo)跟蹤更加的穩(wěn)定和準(zhǔn)確。

2 整體架構(gòu)

用于學(xué)校監(jiān)控的攝像頭將采集到的視頻通過(guò)網(wǎng)絡(luò)連接傳送到后臺(tái)主機(jī)上，其工作系統(tǒng)框架如圖1所示。

云臺(tái)攝像機(jī)正常工作的時(shí)候，主機(jī)系統(tǒng)借助網(wǎng)絡(luò)來(lái)實(shí)時(shí)采集攝像機(jī)輸入的相關(guān)視頻。主機(jī)端的視頻采集API會(huì)將拍攝到的相關(guān)視頻信息轉(zhuǎn)存到主機(jī)中去，然后再檢測(cè)和跟蹤目標(biāo)物。這個(gè)時(shí)候，若是目標(biāo)物出現(xiàn)馬上離開攝像頭視線的時(shí)候，再利用云臺(tái)解碼器來(lái)對(duì)攝像機(jī)進(jìn)行控制，讓其向著目標(biāo)物方向旋轉(zhuǎn)，并且根據(jù)目標(biāo)物的距離來(lái)進(jìn)行光圈以及焦距的調(diào)整，并利用云臺(tái)的控制來(lái)進(jìn)行采集，直到目標(biāo)物離開攝像機(jī)觀察的范圍。

筆者所說(shuō)的主要系統(tǒng)是通過(guò)云臺(tái)攝像機(jī)的轉(zhuǎn)動(dòng)以及圖像處理算法內(nèi)容組成的，若是攝像機(jī)選擇這個(gè)算法來(lái)監(jiān)控移動(dòng)人群的時(shí)候，目標(biāo)物移動(dòng)，其在鏡頭的位置也會(huì)出現(xiàn)變化，若是對(duì)攝像機(jī)以及云臺(tái)的轉(zhuǎn)動(dòng)進(jìn)行控制，能夠讓目標(biāo)物的位置比較合理。

3 特定人臉識(shí)別算法

同一個(gè)人在不同姿態(tài)、色彩、表情、年齡和遮擋的情況下會(huì)有很大不同，這樣變化會(huì)使人臉識(shí)別很困難。所以，減小類內(nèi)（一類代表一個(gè)人）差異，增加類間差異是人臉識(shí)別的主要方向。基于深度學(xué)習(xí)的層次深度和強(qiáng)悍的學(xué)習(xí)能力，可以學(xué)習(xí)到很有效的特征，使用識(shí)別新號(hào)和驗(yàn)證信號(hào)的組合方式。識(shí)別信號(hào)用來(lái)對(duì)輸入的圖像判定類別，驗(yàn)證信號(hào)判斷輸入的一對(duì)圖像是否是同一個(gè)人。

基于DeepID2學(xué)習(xí)特征的整體卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如下：

四層卷積，前三層后面都跟著Maxpooling層，第三層卷積的神經(jīng)單元的參數(shù)在2*2的局部區(qū)域內(nèi)共享；第四層卷積則是全連接，參數(shù)在神經(jīng)單元之間不共享。

第三卷積層的輸出和第四卷積層的輸出以全連接的方式連接到最后一層，最后一層也稱為DeepID2層。因?yàn)榈谒膶訉W(xué)習(xí)到的特征比第三層的更全局一些，所以這樣的連接方式被稱為是多尺度卷積神經(jīng)網(wǎng)絡(luò)。

識(shí)別信號(hào)公式：

結(jié)合本項(xiàng)目具體應(yīng)用場(chǎng)景，在訓(xùn)練過(guò)程中對(duì)參數(shù)通過(guò)隨機(jī)梯度下降方法動(dòng)態(tài)調(diào)整，λ是識(shí)別和驗(yàn)證信號(hào)的加權(quán)參數(shù)。m參數(shù)是動(dòng)態(tài)調(diào)整的，通過(guò)選擇最近訓(xùn)練樣本中的最小驗(yàn)證誤差錯(cuò)誤率。

4 實(shí)驗(yàn)與討論

圖3是本裝置對(duì)特定人識(shí)別的典型效果，根據(jù)隨機(jī)給定100個(gè)典型特定人識(shí)別場(chǎng)景，正確率達(dá)98%，滿足實(shí)際情況下對(duì)特定人檢測(cè)的實(shí)用要求，具有實(shí)際使用價(jià)值。

5 結(jié)論

本文介紹了云臺(tái)攝像機(jī)的工作系統(tǒng)框架以及硬件構(gòu)成，對(duì)于攝像機(jī)的監(jiān)控機(jī)制提供了使用的理論方法。針對(duì)目標(biāo)物體的無(wú)規(guī)律的運(yùn)動(dòng)，通過(guò)控制攝像機(jī)鏡頭以及云臺(tái)的轉(zhuǎn)動(dòng)，實(shí)現(xiàn)對(duì)目標(biāo)物的跟蹤。同時(shí)應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)，在DEEPID2識(shí)別框架基礎(chǔ)上結(jié)合應(yīng)用領(lǐng)域進(jìn)行權(quán)值訓(xùn)練優(yōu)化，改進(jìn)了網(wǎng)絡(luò)參數(shù)，確保識(shí)別精度。但對(duì)快速運(yùn)動(dòng)等視頻跟蹤效果良好難以達(dá)到人們的要求，需要在以后的工作中解決該問(wèn)題。

參考文獻(xiàn)：

[1]楊亮，周勇，劉歆瀏.基于PTZ攝像機(jī)的運(yùn)動(dòng)目標(biāo)跟蹤控制[J].兵工自動(dòng)，2014（3）：6568.

[2]柯洪昌，孫宏彬.圖像序列的顯著性目標(biāo)區(qū)域檢測(cè)方法[J].中國(guó)光學(xué)，2015，8（5）：768 774.

[3]鄭紅，劉振強(qiáng).基于精確模型的云臺(tái)攝像機(jī)自標(biāo)定[J].機(jī)器人，2013，35（3）：326331，338.

*通訊作者：王忠策。