基于云臺攝像機的快速移動人臉檢測與跟蹤設計

馮安惠 王忠策

摘要：為實現校園的安全監控，提出基于云臺攝像機的快速移動人的檢測與跟蹤算法。介紹云臺攝像機用于校園安全監控的基本構成。通過控制攝像機云臺兩自由度旋轉角度及使用DEEPID2識別算法實現對運動的特定人檢測與跟蹤。應用效果表明：本設計方案對特定移動人的識別率較高，識別魯棒性較強，達到檢測與跟蹤效果要求。

關鍵詞：云臺攝像機；目標檢測與跟蹤；DEEPID2

1 緒論

隨著社會經濟發展，計算機視覺領域也得到了較好的發展，現在我們的生活中目標檢測以及目標跟蹤已經得到了較好的運用。比如視頻監控、人機交互以及機器人視覺等各個領域中。雖然，現在科研人員通過研究已經進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等算法已經比較的成熟。[23]但是目標跟蹤時比較容易受到目標無規律運動、光照條件變化以及被遮擋等一些因素影響。并且需要說明Mean Shift算法雖然可以將上述問題克服，但是若是目標尺度出現一定變化，那么跟蹤也會失敗，所以我們必須認識到現在精確目標跟蹤還是比較困難的。

本課題研究的時候，使用的云臺攝像頭具有兩個自由度，拍攝的時候范圍比較廣泛，具有不同焦距下不同的細節信息，能夠切實滿足監控的實際需要。云臺攝像機進行目標檢測的時候，需要攝像機進行圖片信息的采集，并傳送到主機中去，利用本算法進一步的對圖片進行模式識別以及預處理，最后檢測運動目標物，并將反饋的相關結果告知工作人員。本文選擇的DEEPID2相關算法可以很好的適應跟蹤環境發生的變化，能夠讓目標檢測以及目標跟蹤更加的穩定和準確。

2 整體架構

用于學校監控的攝像頭將采集到的視頻通過網絡連接傳送到后臺主機上，其工作系統框架如圖1所示。

云臺攝像機正常工作的時候，主機系統借助網絡來實時采集攝像機輸入的相關視頻。主機端的視頻采集API會將拍攝到的相關視頻信息轉存到主機中去，然后再檢測和跟蹤目標物。這個時候，若是目標物出現馬上離開攝像頭視線的時候，再利用云臺解碼器來對攝像機進行控制，讓其向著目標物方向旋轉，并且根據目標物的距離來進行光圈以及焦距的調整，并利用云臺的控制來進行采集，直到目標物離開攝像機觀察的范圍。

筆者所說的主要系統是通過云臺攝像機的轉動以及圖像處理算法內容組成的，若是攝像機選擇這個算法來監控移動人群的時候，目標物移動，其在鏡頭的位置也會出現變化，若是對攝像機以及云臺的轉動進行控制，能夠讓目標物的位置比較合理。

3 特定人臉識別算法

同一個人在不同姿態、色彩、表情、年齡和遮擋的情況下會有很大不同，這樣變化會使人臉識別很困難。所以，減小類內（一類代表一個人）差異，增加類間差異是人臉識別的主要方向。基于深度學習的層次深度和強悍的學習能力，可以學習到很有效的特征，使用識別新號和驗證信號的組合方式。識別信號用來對輸入的圖像判定類別，驗證信號判斷輸入的一對圖像是否是同一個人。

基于DeepID2學習特征的整體卷積神經網絡結構圖如下：

四層卷積，前三層后面都跟著Maxpooling層，第三層卷積的神經單元的參數在2*2的局部區域內共享；第四層卷積則是全連接，參數在神經單元之間不共享。

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。因為第四層學習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網絡。

識別信號公式：

結合本項目具體應用場景，在訓練過程中對參數通過隨機梯度下降方法動態調整，λ是識別和驗證信號的加權參數。m參數是動態調整的，通過選擇最近訓練樣本中的最小驗證誤差錯誤率。

4 實驗與討論

圖3是本裝置對特定人識別的典型效果，根據隨機給定100個典型特定人識別場景，正確率達98%，滿足實際情況下對特定人檢測的實用要求，具有實際使用價值。

5 結論

本文介紹了云臺攝像機的工作系統框架以及硬件構成，對于攝像機的監控機制提供了使用的理論方法。針對目標物體的無規律的運動，通過控制攝像機鏡頭以及云臺的轉動，實現對目標物的跟蹤。同時應用卷積神經網絡，在DEEPID2識別框架基礎上結合應用領域進行權值訓練優化，改進了網絡參數，確保識別精度。但對快速運動等視頻跟蹤效果良好難以達到人們的要求，需要在以后的工作中解決該問題。

參考文獻：

[1]楊亮，周勇，劉歆瀏.基于PTZ攝像機的運動目標跟蹤控制[J].兵工自動，2014（3）：6568.

[2]柯洪昌，孫宏彬.圖像序列的顯著性目標區域檢測方法[J].中國光學，2015，8（5）：768 774.

[3]鄭紅，劉振強.基于精確模型的云臺攝像機自標定[J].機器人，2013，35（3）：326331，338.

*通訊作者：王忠策。