不同監控視頻條件可識別人像特征研究

高一卓

摘 要 不同的視頻條件下，視頻中人像特征會發生畸變，本文通過觀看大量視頻資料，對這些畸變特征進行梳理，分析不同視頻條件下哪些特征可以加以識別利用，提出視頻資料中人像特征可識別的參考方向，為公安一線快速分析視頻信息含量提供依據。

關鍵詞 視頻條件 人像特征 識別

中圖分類號：D918.2 文獻標識碼：A DOI：10.16400/j.cnki.kjdks.2015.12.077

Research on Portrait Characteristics Be Identified

in Different Monitoring Video Conditions

GAO Yizhuo

（Jilin Police College， Criminal Science and Technology Department， Changchun， Jilin 130117）

Abstract Under the condition of different video， the video portrait characteristics of distortion will happen. Combing the distortion characteristic by watching a large number of video data， the author analyze features which can be identified and can be used under the different conditions of videos， outline the reference direction on identifiable features in videos in order to provide the basis for the public security to rapid analyze the video information content which can be used.

Key words video conditions； characteristics； identification

0 引言

在不同的視頻條件情況下，人物面部特征會發生不同程度的變化，經過觀察，場景、條件的不同，臉部特征變化的趨勢和效果也有章可循，通過對人物面部特征發生變化情況進行總結，進而分析視頻資料中人像信息是否可利用，為偵查人員快速直接提取視頻中人物的特征提供可行的參考方向，提高視頻資料信息的利用率。

1 視頻資料像素數對人臉特征識別的影響

視頻監控頭的設置條件不同，如清晰度不同，高度、角度不同，均會不同程度導致人臉的面部特征在視頻資料中發生扭曲、變形等情況，根據人臉特征的穩定性，在不同的視頻條件下對扭曲的特征進行梳理歸類。

1.1 對人物臉型特征識別的影響

影響視頻人臉清晰度的最直接原因即是監控攝像頭的清晰程度。現有的視頻監控攝像頭有30萬像素、60萬像素以及百萬像素以上。理論上，攝像頭像素數越高得到的人像在視頻中越清晰。相關資料表明，在人類正面信息至少需要32？2個像素時才能夠識別人像。統計信息證明，在60萬像素以下攝像頭得到的人臉信息，在人臉達到32？2像素的臨界條件下，能夠使用的特征信息也相對較百萬像素少，主要體現在面部輪廓、五官線條的連續性上。在百萬像素條件下， 32？2人臉像素能夠識別人臉的臉型，面部輪廓線相對較清晰，五官位置結構能夠識別，進而分析得到人物臉型，模糊程度較前者低。人物的身高體態等特征，60萬像素及以下的攝像頭在中遠距離情況下，一般能得到較多的行走步態、步法、身材、身高等信息，發型、服飾等信息一般不完全，存在信息不足的情況。

在實際應用中，視頻中人像的識別首先確定人臉臉型。人臉的識別過程中，面部的縱向信息對臉型的確定起主要作用。面部的長度信息能夠快速的確定人臉的整體形態，面長在身高中所占的比例，在實際視頻中人臉的臉型縱向方向至少約為20個像素以上才能確定人臉的輪廓，如果縱向方向低于20像素，一般情況下，人物不具備可識別面部特征。圖1（a）為縱向面部信息為22個像素，圖1（b）為縱向面部信息16個像素。

（a） （b）

圖1 臉部縱向像素對人臉臉型識別的影響

1.2 對人物鼻子識別的影響

人物的鼻子具有立體性，在面部所占的面積也較大。體現在視頻資料中即為鼻部亮度較高，在大部分視頻資料中都能夠的分辨出人物的鼻子形態以及在面部所占的像素比例。統計數據表明，在人物面部輪廓能夠確定的情況下，人物鼻子的形態能夠較多的被識別。

側面人臉鼻子的識別度要遠遠高于正面人臉鼻子的識別，原因是正面臉情況下，鼻部的立體性被極大程度的降低，而側面人臉時，光照條件能夠較好的表現鼻的立體形態。圖2為側面人臉情況下，鼻部的信息一般都較為明顯，能夠體現鼻子的形態。

1.3 對人物唇識別的影響

在視頻圖像中，如果人像的唇部明顯突出，考慮該人是否為厚唇，結合下頜的翹起角度，分析人物唇是否突出于面部；根據口角的位置，判斷人物唇的長短，根據唇角陰影的深淺位置能夠判斷人物唇部的基本形態，嘴角翹起與否，唇的薄厚。圖3中人物的唇角陰影較大，有抿嘴動作，陰影為“、”形狀，說明唇凸出與面部的高度較大，嘴唇相對略厚。

2 不同的監控視頻角度

2.1 高角度視頻監控頭

攝像頭擺放角度也同樣影響視頻中人臉的識別。這里的角度是指攝像頭相對于人臉的水平中線的角度。擺放位置較高的攝像頭，如交通樞紐處，商業區聚集地，拍攝得到的攝影場景一般較大，視頻人臉所占像素數較少，多數情況下，不利于人臉面部細節特征信息的提取。

此時記錄的視頻資料，多數可用于人物身高估測、行走習慣分析、服裝風格、發型與年齡等的分析。一般情況下，成年人的身高為頭長的7.5～8個頭長，對于高個子的人，約為8.5～9個頭。

2.2 低角度視頻監控條件下

低角度攝像頭，如擺放在室內用于監控室內活動情況的攝像頭，出入口等，由于擺放角度較低，多數情況下，能夠看見部分的面部特征，根據透視規律，鏡頭中人臉會有部分畸變，在一定程度上會影響人物的識別與同一認定，通過觀看大量視頻，統計得到以下內容：

正面人臉情況下，處于視頻資料邊緣場景的人物臉部經常會因透視規律而出現變形，這種變形一般表現為人物面部模糊不清，臉部輪廓被夸張，越貼近畫面邊緣的部分，變形越大。人物臉部寬度比實際略有加寬，長方形臉、橢圓形臉，圓形臉與卵圓形、倒卵圓形臉在視頻中不能明顯區分，臉型的邊緣都有一定程度的模糊并且臉部輪廓線條被夸張，不能明顯區分，此時，一般不用圖像處理技術進一步處理。

圖2 圖3 圖4

3 不同的光線照射方向

根據攝影理論，攝影成像的光線方向分為順光、逆光、側光、側逆光和背光。

3.1 順光條件

順光條件下，一般能夠分辨人物的臉部信息或身體信息。當視頻監控距離人物較近時，順光條件能夠較好的展現人物的臉部信息及特征，即便臉部未完全出現在視頻資料中，也能夠達到人物信息的提取。圖4即為低質量視頻資料在順光條件下，也能夠較明顯的辨識出人物臉型、臉部器官結構，對人物形象能夠輕松辨識。

當順光光線亮度較強時候，有時會導致曝光過度，人物臉部過分明亮，體現在視頻中即為損失人物信息，這種信息損失不能復原，不能進行技術處理。

3.2 側光、側逆光條件

側光、側逆光條件下，對于正面人臉，散射至人臉部的光線較多，這種情況下，有時會因側逆光照射，損失掉亮部一側臉的部分輪廓信息。此時，根據人臉部對稱性的原理，利用可見的一側臉對人臉輪廓進行復原，從而對人臉臉型有一個初步推斷。當側光、側逆光線比較強時，處于暗部光線條件的臉部可以經過技術處理進行特征細節的識別與提取。

當側光、側逆光較暗情況下，近距離的視頻人臉信息可以通過技術處理手段，得到部分的復原信息。但對于遠距離的視頻人臉，則要以人物臉部像素信息的數量為標準，觀察其是否具備技術處理條件。對于高角度、遠距離的視頻監控信息，人物臉部信息在視頻圖像中所占信息很少，側光條件下一般很難對人物臉部信息進行進一步的處理及識別，多數是對人物整體體態信息的分析。

側逆光條件下，有部分逆光散射至人臉，能夠提供一部分信息，有時能夠看清楚頭的長度，根據人的頭部長度與體長的比例關系可適當推測人的身高信息。根據大量視頻資料信息，側逆光條件配合適當角度可看清側面人像的下頜線、下頜角形態，當有明顯下頜角，考慮為方形臉型，結合額頭的寬度、高度，對比人體學規律，確定臉型，標定臉部比例結構。

3.3 背光條件

在人像為正背光條件下，一般正面人臉信息較難記錄下來，表現為視頻圖像人臉全部處在陰影信息之下，無特征信息記錄。有關信息表明，當人物臉部處于背光條件下，一般不能記錄人物臉部信息，甚至無法分辨人物的性別、是否佩戴眼鏡等信息。

4 結語

本文就主要影響視頻資料人像特征的視頻條件進行分析，提出不同視頻條件下人像信息常見的變化以及變化種類，并就視頻中人物可利用信息提取及信息推斷方向進行了梳理，為快速分析視頻資料可利用信息提出參考和對照，提高使用信息使用效率。對于大部分視頻資料信息均可通過初步分析視頻條件而判斷是否需要送至相關技術部門進行處理。本文內容同樣可以用于人物特征相關性提供依據，進一步提高基層人員利用視頻資料對犯罪分子進行人像側寫的能力。

參考文獻

[1] 劉麗華.人臉光照問題研究綜述[J].電腦開發與應用，2008.21（4）：36-39.

[2] 朱長仁，王潤生.基于單視圖的人臉識別算法[J].計算機學報，2003.26（1）：104-109.

[3] 馮曉斐，潘翔.基于特征變形的人臉肖像漫畫生成[J].浙江工業大學學報，2003.26（1）：104-109.

[4] 楊國亮，王志良，王國江.面部表情識別研究進展[J].自動化技術與應用，2006.25（4）：3-6.

[5] 鄭青鼻，毛自民.基于關鍵特征點的人臉紋理映射[J].計算機與數字工程，2013.41（1）：111-114.