監控視頻中槍支自動檢測研究綜述

田師思

（中國人民公安大學 偵查與刑事科學技術學院，北京100038）

1 概述

由于涉槍案件對社會安全和穩定影響極大，對此類案件的預防和打擊一直是各國警方工作的重中之重。利用數量眾多的監控攝像頭發現非法的槍支使用，毫無疑問是嚴格槍支管理、打擊涉槍犯罪的一把利劍但我們仍不能低估潛在的槍支威脅。Darker 等人在Multi Environment Deployable Universal Software Application（多環境可部署通用軟件應用）項目中通過一系列資料調查和比較試驗，得出了用人工的方式檢測監控視頻中出現的槍支效率很低，并且容易遺漏真實信息的結論[1-3]。如果我們有一套高效準確的槍支自動檢測系統安裝在城市監控系統中，就能為警方提供先期預警，特別是發現一些案發于隱蔽環境或者人煙稀少地區，沒有目擊者報警的涉槍案件，在重大活動和特殊場所的安全保衛中也能發揮巨大作用。所以希望通過對該問題研究成果的整理，為國內有志于這方面研究的研究者提供參考。

2 研究成果介紹

槍支自動檢測是目標檢測領域里的一個問題，目前目標檢測的主流方法包括傳統的人工提取特征的檢測方法和基于深度學習的檢測方法，基于深度學習的檢測方法又包括基于Region Proposal 的檢測方法和基于回歸的目標檢測方法[4]。

2.1 基于人工提取特征的槍支自動檢測方法

Darker 等利用尺度不變特征變換匹配算法（Scale Invariant Feature Transform，SIFT）來檢測槍支。首先利用運動分割算法將提取監控視頻中運動的人，然后去除陰影，最后用一個最小的矩形來選取最終的感興趣區域。將SIFT 特征庫與感興趣區域的SIFT 特征進行配對，來檢測是否存在槍支[5]。Micha Grega 等利用基于MPEG-7 視覺描述符的分類器來檢測槍支。作者發現神經網絡輸出的結果特異性低，假陽性數量多，于是使用了下一個基于MPEG-7 視覺描述符的分類器，該分類器使用了區域形狀描述符。描述符計算候選區域中的形狀描述符與手槍的通用描述符之間的歐幾里得距離，兩者之間的距離低于閾值，則該區域檢測到槍支[6]。Gyanendra K.Verma 等對槍支自動檢測的問題做了提出了三種解決方案，2015 年發表的兩篇文獻是基于是傳統的目標檢測方法，分別使用了Harris 角點檢測+Freak 特征提取和加速穩健特征（Speeded up robust features，SURF）兩種方法。兩篇文章都使用K-means 聚類進行基于顏色的圖像分割，然后再提取特征[7,8]。第三種是基于深度學習的方法。Halima 等首先從圖像集合中提取SIFT 特征[9]。朱捷晨等對網絡圖像中涉及的槍支自動檢測提出了Hu 不變矩和模糊聚類相結合的方法[10]。

2.2 基于Region Proposal 的槍支自動檢測方法

GyanendraK.Verma 在2017 發表的文章提出使用深度神經網絡VGG-16 來檢測槍支，并且比較了SVM、KNN 和Ensemble ree 三種分類器，最后得出VGG-16+Fine Gaussian 核支撐向量機能得到最佳的表現[11]。Justin Lai 等比較了VGG-16 和三種不同學習率和置信度下的Overfeat 網絡，發現在30%置信度和0.0003 的學習率下的Overfeat 能夠到達最好的表現。他們對1.3s/張的處理速度并不滿意，并提出要在今后的工作中提高精度和速度[12]。Roberto Olmos 等比較了基于sliding window 和region proposals 兩種候選區域提取方法，兩者都使用VGG-16網絡作為分類器，其中基于region proposals 的實驗采用Faster R-CNN 提取候選區域[13]。雷青等在安卓平臺上利用Faster R-CNN 網絡檢測網絡視頻中的槍支，提出在訓練集中，對含有槍支的圖像依據遮擋部位和遮擋程度分別標注為gun、gunHead、gunMid、gunEnd，檢測過程中分別對四種類型采用不同的閾值，同時增加每個類別的負樣本，標注為nGun、nGunHead、nGunMid、nGunEnd，以提高檢測精度[14]。

2.3 基于回歸的槍支自動檢測方法

吳晉等在FPGA 開發析DE5-Net 上運行YOLOv2 網絡檢測刀槍棍等，并且通過卷積算法加速、池化算法加速、BN 算法加速來盡可能減少運算時間。同時對比在CPU、GPU 上運行YOLOv2網絡檢測目標，發現在FPGA 平臺上的計算時間和計算功率都遠小于前兩者，特別是率減小到27.3w，僅僅是在CPU、GPU 上計算功率的1/5 和1/10[15]。

3 總結與展望

上述檢測方法，通過特征設計或者網絡的自我學習或多或少地解決了尺度、旋轉、方向、光照的變化、遮擋、槍支種類帶來的問題。

在基于深度學習的檢測方法中，研究人員都不約而同的采用了遷移學習的方法，對網絡進行預訓練。這樣的做法，能夠減少訓練速度，加快收斂。并且通過預訓練獲得一般化的共性特征，再針對特定問題進行訓練，在共性特征的基礎上，獲得強有力的針對性特征，是提高網絡精度的好方法。

在我國嚴格的控槍環境下，一般犯罪使用制式槍支已然不多見，大量仿制槍、自制槍應該是我們關注的主要對象。而這些非制式槍支，特別是自制槍，形態各異，有的甚至和一般槍支的形態相差甚遠，怎么讓神經網絡學會識別這些非制式槍支，是槍支自動檢測在我國應用必須解決的問題。

監控視頻中槍支自動檢測問題還是處于探索期，研究人員提出各自的解決方法，但離實際應用還相差甚遠。但是基于公安工作的特點，我們期待這個問題的早日解決。同時可以展望的是，監控視頻中的實時目標檢測可以越來越多的應用于行人、車輛、摩托車、等各種對象，為預防、發現、打擊犯罪提供預警，為偵查提供更多的關于客體種類、來源方面的線索，為攝像頭加上“大腦”，構建起新一代的城市智能監控體系，服務于未來的城市管理。