不同監控視頻角度同一姿態的同一性研究

王嘉陳　周瑞　凌啟尉　倪洋　趙明明

【摘 要】在刑事偵查常見的追蹤犯罪嫌疑人軌跡工作中，監控視頻發揮了很大的作用。但是，由于現實環境中的各種條件限制，利用監控視頻來識別和追蹤嫌疑人物的效率不是很高。為了最大限度地提高識別犯罪嫌疑人和追蹤犯罪嫌疑人軌跡效率，實驗人員對不同監控視頻的視角下同一姿態的同一性進行研究。在實驗過程中，實驗人員利用專用軟件，通過比較分析，選取不同監控視頻角度下行走過程中相關變量進行統計分析，并對其同一性和特

定性進行實驗研究，在一定的范圍內可以實現對人物的識別，達到認定或者排除人物的目的。

【關鍵詞】監控視頻；不同視角；行走特征；同一性；特定性

【Abstract】In tracking suspects traces that are common in criminal investigation， surveillance video has played a significant role. However， due to various conditions in actual environment， taking use of surveillance video to identify and track suspected people is not very efficient. To maximize the efficiency of identifying criminal suspects and tracking suspects trajectory， experimental persons research the identity of the same gesture at different surveillance video perspectives. During the experiment， experimenters use special software to make comparative analysis， choose the relevant variables in the course of walking from different surveillance video angles to make statistical analysis， and do experimental researches on their identity and specificity， so that the experimenters can achieve the purposes of identifying persons， affirming or excluding characters within a certain range.

【Key words】Surveillance video； Different perspective； Walking characteristics； The same gesture； Specificity

0 引言

電子攝像設備遍布街頭巷尾，監控視頻資料成為刑事案件中重要的證據材料。[1]然而在實際工作中，監控視頻資料往往只能作為間接證據，甚至于僅僅作為偵查人員辦案的線索。究其原因，主要在于缺少科學的方法來對多個監控視頻中的某一人物進行同一認定。

基于面部特征的人臉識別技術目前已在多個方面得以運用[2]，但有時在一些視頻資料中，受某些因素影響，監控視頻根本無法清晰地體現人物的面部特征，故而通過人臉識別到人，有時達不到某些領域的要求。

通過對在不同視角的監控視頻中的一個人的同一認定，可以找到穩定性較高的人體特征，并能排除一定的因素干擾。相比于其他識別方法，對在不同視角下的人體識別，具有較為高的科學性和較廣的適用范圍。本項目力求通過監控視頻中不同視角下同一姿態的同一性研究，來確定某個特定人的有效方法。

1 不同視角姿態識別

人體動態特征識別，又稱行走運動特征識別，是目前真正能應用于實際的刑偵技術。該技術通過對動態人體的肢體擺動特征[3]、步態特征、人體輪廓投影特征等的模式識別，找到犯罪嫌疑人行動中的固定規律，這時他的走路姿勢就會和指紋一樣成為破案的有效證據。[4]然而該技術也有著極大的局限性：由于是對動態的研究，這對監控視頻的幀數有著較高的要求。此外，為了達到更好的偽裝效果，有的犯罪分子故意改變自己原本的行走姿勢，在這種情況下，人體動態特征識別技術就無用武之地。

故而為彌補以上方案的缺陷，本組提出利用三維數學模型的方法，通過數學計算來研究人體靜態特征的想法。基于該想法，本組建立數學模型，可將三維中共用一端點的一條鉛垂線段與一條水平線段之比通過二維圖片計算得出。為適應普遍的監控視頻，本組采取了一側肩到同側腰的距離和肩寬之比作為人體靜態特征，并基于大量實驗做出數據分析，且輔以一定的人體動態特征來綜合考量。通過對實驗數據的分析，本方案的結論已具有一定的可靠性。

2 不同視角識別方法和理論

2.1 實驗方法

先將兩個攝像機分別固定在不同方位不等高的兩個位置（h1≠h2，水平距離為d），固定時使兩個攝像機與地面之間所成的夾角不同（α1≠α2）。

然后在實驗人員的兩肩和腰部分別貼標簽，使其在實驗場地正常行走，攝像機捕捉并同時記錄行走過程。選取一個完整周期中的30幀，運用專業運動分析軟件Quintic Biomechanics v26，測量實驗人員行走過程的人在視頻中的兩肩寬度和一側肩到同側腰的距離及人像中兩肩連線和一側肩到同側腰之間連線的夾角等三項數據并進行分析。

上述測量的三項數據在不同視角下具有較高的穩定性，同時能夠排除一定條件下視頻的相關干擾因素。

2.2 實驗理論

設攝像機所在位置為點P，人的兩肩分別為點B和點D，腳部為點A，腰為點E，則此時攝像機的視角平面與實驗人員的切點為點B，并作出示意圖（圖1）。

結合數學空間向量有關知識，在實驗對象所在空間，以攝像機的視角平面為底面，設點A在攝像機視角平面上的投影為原點O，AB在攝像機平面上的投影為X軸，OA為Z軸，點E在攝像機視角平面上的投影為F，建立空間直角坐標系，如圖2所示，則OB為AB在攝像機面上的投影，BC為BD在攝像機面上的投影，C為D在攝像機面上的投影。設OB=k∑，BC=kσ，OC=kθ，∠ABO=α，∠OBC=β，通過空間向量有關計算，可以得出：

所以，通過測量人在視頻中的兩肩寬度和身高的距離及人像中兩肩連線和身高的夾角，最終得到人實際的身高和肩寬比例。同理，得到人實際的一側肩到同側腰的距離和肩寬比例。

2.3 實驗結果

表1為對一名實驗人員實驗數據的采集及分析結果。其余29人參照其分別進行了測量和分析，并做出總數據表，進行綜合分析。[6]

2.4 實驗討論

1）通過對上述同一人該行走特征所得的30次的數據進行分析，得到下列表2結果：

對出現的30次數值進一步分析，發現這些數值置于置信區間的概率如下（表3）：

可以看出，該人行走姿態所得出的特征數據居于3個置信區間的概率高，可見該特征具有很強的穩定性。

2）通過對30個人在同一臺攝像機下行走特征進行分析，數據處理后得到方差（表4），30組中97℅均在3各置信區間內，所以說明數值波動小，具有穩定性。[7]

通過對離散系數計算之后發現其數值范圍在0.1以內，說明波動小，穩定性高。因此，監控視頻中行走特征變化規律穩定性較高，對視頻監控中同一人的同一認定具有重要作用。

3）通過對30個不同人在同一臺攝像機下行走特征進行分析，對同一個人的30組數據取平均值，發現不同人之間的數據變化較大，差距較大（表5），具有差異性，對視頻監控中不同人的認定具有重要作用。

因為相同人在監控視頻中的行走特征變化具有較強的穩定性，不同人在監控視頻中的行走特征變化具有較強的特定性，兩者相結合，因此在一定的條件下，可以通過對人體在監控視頻中行走運動特征的變化對人物進行識別，達到認定或者排除人物的目的。

3 不同視角特征識別的不足和改進方法

使用本項目所采取的實驗方法來采集相關實驗數據并進行分析從而達到同一認定，具有一定的局限性。因為本項目理論是基于不同人的一側肩到同側腰的距離和肩寬的比例是不同的，而在現實生活中，存在著不少身材體型較接近的人，如果對他們進行測量，所得到的結果十分接近，不能達到同一認定的標準，同時我們注意到，在特征的選擇上，由于人的行走姿態反映出的特征較多，所以選擇的余地相對較大；由于本項研究是從貼近實戰角度出發，所以在資料和方法的選擇上盡量和實戰靠近。在理論研究中，我們可以應用更為精密的設備對這些特征加以捕捉、量化，使得工作的效率更高，數據更精確，結果更可信，最終達到更為廣泛的應用。

【參考文獻】

[1]吳京輝.視頻監控目標的跟蹤與識別研究[D].北京：北京理工大學，2015.

[2]李月龍，靳彥，肖志濤，耿磊.人臉特征點提取方法綜述[J].計算機學報，2015.

[3]李翔，趙輝，張曉利.基于人體關節點的步態識別算法研究[D].電氣電子教學學報，2010（05）.

[4]張承璽.固定場景下的人體姿態識別[D].黑龍江：哈爾濱工業大學，2014.

[5]同濟大學數學系.高等數學[M].上海高等教育出版社，2014.

[6]張海金.利用Excel軟件進行測量過程的統計控制[J].中國計量，2016.

[7]賈俊平.統計學[M].北京：中國人民大學出版社，2012.

[責任編輯：楊玉潔]