论文部分内容阅读
当今社会,视频监控摄像头遍布各个角落,然而大部分监控系统只是简单的录制视频,以便日后调查取证。由于监控视频中人的无约束性,受人脸偏转等因素影响下的人脸识别问题仍然存在较大的挑战性。本文针对真实场景下多角度偏转的人脸识别问题,按照运动检测,人脸检测,正脸评价,正脸合成,人脸识别及陌生人鉴别的逻辑展开了一系列研究,并在普通计算机(CPU I5-7400-3.0Ghz,无GPU)上进行了相关算法的对比实验,实现了一套实时的监控视频考勤和陌生人鉴别系统。本文的主要工作包括:1.改进了一种基于SSD-ResNet10的实时人脸检测算法,配合运动检测算法在单线程下能够实现1080P视频28FPS的检测帧率;在FDDB人脸检测数据库上精确率和召回率分别达到了99.8%和87.5%。2.出了一种基于人脸偏转角度预测的正脸评价方法。该正脸评价模型的回归拟合指标决定系数R~2达到了0.9723,表明能够对视频中检测到的人脸进行正脸评分,可将偏转或遮挡人脸样本排除在识别对象之外。3.出了一种基于条件生成对抗网络的多张人脸合成正脸方法,能够在监控视频无法获取正脸的情况下,通过正脸合成模型合成正脸。该算法能够将单帧人脸识别准确率从原来的80.0%升到93.2%,接近人工筛选正脸的识别准确率98.8%。4.出了一种基于Triplet-Loss和MobileNetV2的人脸特征取模型,再结合模板匹配方法实现单帧图像的人脸识别。使用正脸评价和正脸合成方法获取视频中的正脸,再利用指数加权平均方法和正脸评分融合单帧图像识别得分,采用投票机制实现人脸识别。在实际监控环境下采集的视频样本数据集中,该算法的集内人识别准确率达到96.13%,集内人误识率为1.35%,集内人误警率为2.52%。5.出了一种基于GMM-UBM的陌生人鉴别器,通过外部海量数据集训练得到陌生人模型(UBM),使用注册人特征在陌生人模型上学习得到注册人的二级判断模型(GMM),通过级联判断机制及阈值实现陌生人判别。该算法的陌生人检出率为88.75%。6.引入Faiss向量搜索匹配框架来实现大规模的快速注册人特征搜索匹配识别计算,能够在30毫秒内实现千人级别的人脸特征向量搜索匹配,满足实际场景需求。7.搭建了一个基于监控视频人脸识别考勤和陌生人鉴别的低资源实时系统,实现了多目标运动追踪,人脸检测,正脸评分,正脸合成,注册人识别及陌生人鉴别;并实现了一个跨平台的视频监控系统管理网站,满足数据查看和勘正,注册人管理及监控系统管理,监控视频实时直播等实用功能。