背街小巷视频监控人脸+车辆系统综述.docx

背街小巷视频监控人脸+车辆系统综述.docx

《背街小巷视频监控人脸+车辆系统综述.docx》由会员分享，可在线阅读，更多相关《背街小巷视频监控人脸+车辆系统综述.docx（10页珍藏版）》请在冰豆网上搜索。

背街小巷视频监控人脸+车辆系统综述

背街小巷视频监控解决方案

第一章概述

一、建设背景

现阶段，相对频发的入室盗窃、诈骗等侵财案件许多发生在背街小巷特别是监控盲区所在，这些案件虽不恶劣，但与居民生活息息相关。

同时，因为背街小巷没有监控镜头或者即便有监控镜头，但由于存在点位不足、分布不合理甚至个别监控镜头损坏等情况，居民反映夜晚独自走在背街小巷常常会感到很害怕，居民安全感无法得到保证。

此外，目前大多数背街小巷的监控镜头多为“录像”，一旦发生盗窃、抢劫等案件，公安人员只能通过调取视频监控人工比对的方式来排查和确定犯罪嫌疑人，这钟传统的方式不仅大大影响破案效率而且无法做到事前预警。

同时公安人员在对通缉犯进行人工排查时如大海捞针，成功率极低，效果也不明显。

主要有如下实际问题：

首先，由于罪犯群体不断扩大，要在数以百万计的人员照片库中找出犯罪嫌疑人，不仅费时费力，还有可能造成遗漏等情况，破案的效率大打折扣；

车辆方面，近年来，随着我国综合实力和国民收入水平的提高，机动车每年以10%～20%的速度迅猛增长，道路建设步伐加快，全国城市化水平也在不断提高，交通管理现状和需求的矛盾进一步加剧，与交通相关的刑事和治安案件数量也逐年上升，特别是像肇事或作案后驾车沿公路逃逸、盗抢机动车辆、车辆违章行驶等案件。

在此情况下，如何利用先进的科技手段提高城市交通管理水平、抑制交通事故、打击涉车案件、震慑犯罪分子，提高社会治安综合管理水平成为了当前公安交通部门亟待解决的问题。

而车辆智能监测记录系统（俗称卡口系统）以机动车图片抓拍、车辆号牌识别等车辆特征数据采集，布控比对报警，查报站出警拦截为主要目的，对道路运行车辆的构成、流量分布，违章情况进行常年不间断的自动记录，为快速纠正交通违章行为、快速侦破交通事故逃逸和机动车盗抢、套牌案件提供重要的技术手段和证据，同时为交通管理、交通规划、道路养护提供重要的基础和运行数据，在城市治安及交通管理过程中发挥了重要的作用，对解决公安警力不足、提高交通执法水平有着十分重要的意义。

因此，采用可以“认人”、“认车”的智能视频监控解决方案将很好的解决上述问题，为居民的安全生活保驾护航，提高居民生活安全感，并可大大提高警方侦破案件效率。

二、建设方案

本方案采用目前主流的解决方案，即采用人脸识别及车辆识别智能视频监控解决方案。

三、建设目标

密切结合公安实战应用需求，充分运用高清监控技术、视频分析技术、人脸检测与识别技术、车辆信息监测技术、业务系统集成技术等先进技术，解决当前公安机关在背街小巷治安防控、城市进出人员、流动人口管控中碰到的难题。

四、建设思路

1.4.1人脸识别监控系统

1）设计一套高清人员卡口系统，实现高质量的人脸自动抓拍、自动识别、自动比对、自动报警、轨迹回放等功能，做到“人过留像、留特征、留轨迹”，实现“由像到人”、“由人到案”业务模式的改变和创新；

2）在背街小巷各主要人员进出通道合理设置高清人员卡口监控点，形成覆盖全背街小巷的全面人员监控，实现严密的监控覆盖，全面记录背街小巷出入及内部通行人员；

3）依托公安图像传输专网，搭建人脸信息综合应用平台，实现背街小巷数据的实时转发、统一存储、深入分析、深度应用；

4）人脸信息综合应用平台与公安业务信息库建立联接，提供人脸布控及动态比对预警、人员轨迹追踪查询、人员身份鉴别查询等实战应用功能，为公安治安防控、刑侦破案、反恐防暴等工作提供有力支持。

1.4.2车辆识别监控系统

1）设计一套高清卡口系统，实现高质量的自动抓拍、自动识别、自动比对、自动报警、轨迹回放等功能，能够做到“车辆留牌号、违章能查出、犯罪能取证、轨迹能刻画”；

2）在主要出入口、重点路段合理设置高清监控卡点，形成覆盖城区背街小巷、出入口及重点道路、城市核心区三道防线的全面监控，实现对重点部位的24小时全天候监控覆盖，全面记录所有通行车辆；

3）依托公安信息网络，搭建全区治安卡口管理平台，实现全区所有治安卡口数据实时转发，分域统一存储；

4）省级管理平台与公安业务信息库建立联接，实现各类违法车辆信息的比对报警以及统一查询、跨区域布控等卡口数据的共享应用。

5）对系统数据进行深入分析与挖掘，实现行车轨迹显示、跟车关联性分析、假/套牌车辆分析等功能，为刑侦破案提供有力支持。

五、功能实现

1）身份信息检索

2）城市走失人口追踪

3）重点人员布控

4）公安治安人员黑名单比对实时报警

5）良好的车辆捕获能力，车牌号码自动识别

6）车辆图像及信息记录

7）完善的数据存储与读取功能

第二章人脸识别监控系统总体设计

人脸识别方面：

采用人脸检测算法、人脸跟踪算法、人脸抓拍算法、人脸质量评分算法及人脸识别算法、并结合配套的前端摄像机设备和后端智能分析服务器，实现了实时人脸抓拍建模、实时黑名单比对报警、事后静态人脸图片检索等功能。

一、人脸识别系统

2.1.1系统业务逻辑

人脸采集系统：

人脸采集系统包括专业人脸抓拍机和普通高清网络摄像机+人脸检测服务器，是将前端采集到的视频图片等非结构化数据进行分析处理，定位检测获取人脸图片，并结合人员身份信息采集系统获取人员身份信息进行关联管理。

人脸比对系统：

人脸比对系统是对人脸采集系统传输的数据进行智能分析处理，进行人脸图片建模、通过人脸眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，进行人脸特征数据提取入库，并根据平台业务需求进行实时比对识别和事后人脸检索应用。

人脸库：

人脸库包括人脸抓拍库、人脸注册库、黑名单库，其中抓拍库包括场景图片、场景下抠取的人脸小图、人脸特征数据，是人脸采集系统采集的人脸图片存储库，用于人脸比对系统进行人脸图片比对检索；注册库包括标准人脸图片、人员身份信息、人脸特征数据，是系统设定前公安批量导入的重点人员库，用于人脸比对系统进行人脸图片比对检索；黑名单库是注册库中将部分重点人员进行布控组成，用于实时比对人脸采集系统传输的人脸图片，进行实时预警。

一般来说人脸抓拍库和人脸注册库做为静态库，适用于事后查询检索目标、黑名单库作为动态库，用于实时比对报警。

一个或多个黑名单也可以进行勾选布控，形成具有针对性的人脸布控库，与前端实时视频进行人脸比对报警，黑名单库数据由公安或专业人员导入。

业务应用：

通过平台进行实时布控、查询检索、配置管理等功能应用。

2.1.2系统整体逻辑架构

图1.人脸识别系统逻辑架构示意图

2.1.3系统拓扑

系统由前端摄像机、人脸检测服务器、人脸识别服务器、存储设备、人脸数据库、人脸识别系统平台六类设备：

前端摄像机：

前端摄像机包括普通高清网络摄像机和专业人脸抓拍机。

普通高清网络摄像机主要实现图像采集、编码等功能。

专业人脸抓拍机不仅实现普通高清网络摄像机的所有功能，其内置智能分析算法，还能实现对视频中人脸进行自动捕获、跟踪、抓拍等功能。

人脸检测服务器：

人脸检测服务器搭配普通高清网络摄像机对传输的实时视频流进行人脸检测、定位、跟踪、人脸图片选优，将人脸图片进行抠取，传输到识别服务器进行存储和人脸建模、比对；

人脸识别服务器：

利用人脸识别算法，对人脸检测服务器传输的人脸小图进行建模和结构化，获取人脸特征数据后为人脸实时比对识别、人脸后检索等功能提供算法支持；

人脸数据库服务器和人脸图片存储：

人脸数据库专门用于存储人脸系统的人脸数据，主要包括抓拍库人脸特征向量、注册库人脸小图、注册库人脸特征向量、黑名单人脸小图、黑名单人脸特征向量。

人脸视频存储：

前端摄像机对实时视频的存储。

管理平台：

人脸识别系统平台主要实现人脸系统相关的设备管理、识别场景规则设置、报警联动等配置和管理，并结合客户端实现对图像的预览检索、各种报警信息的查看等操作。

人脸识别系统拓扑图：

图2.人脸识别系统拓扑结构示意图

二、人脸识别流程

系统数据流包含人脸实时比对和人脸历史查询。

其中实时比对发生在事前或事中，当系统发现有布控人员出现时，执勤人员可以迅速作出反应；历史查询则是针对事后重点人员排查，可通过可疑人员图片查询系统记录的人员信息。

图3.人脸识别流程

实时视频人脸比对：

普通高清网络摄像机通过人脸检测服务器或专业人脸抓拍相机分析视频中的人脸，提取人脸图片转发给人脸识别服务器，人脸识别服务器通过智能算法，从抓拍的人脸中提取特征数据，与黑名单库中的人脸特征数据库进行遍历检索，最后由平台展现人脸比对结果。

图片检索人脸比对：

通过平台客户端提交需检索的人脸图片，人脸识别服务器提取人脸图片特征数据，与人脸抓拍库或人脸注册库中的人脸特征数据进行遍历比对，最后由平台展现比对结果。

三、人脸识别系统主要性能指标

人脸识别系统主要性能指标如下：

1）人脸抓拍率:

2）人脸采集速度

3）识别成功率：

单台人脸检测服务器性能：

支持的检测视频接入路数

检测所需最小人脸像素大小

同时对画面中检测抓怕的最多人脸个数

检测准确率

单台识别比对服务器性能：

人脸特征向量大小

最小人脸识别像素大小

实时识别支持最大黑名单库大小

支持最大人脸识别前端相机路数；

支持最大注册库检索大小

比对速度

是否支持便携手持终端等移动设备

第三章车辆识别监控系统总体设计

一、当前车辆识别监控系统中存在的问题

1）产品不稳定、系统集成不稳定

相较于一般道路监控系统，卡口系统属于“最小系统范畴”，前端子系统中组件多就意味着故障点多，组件耦合性强导致任意组件故障都会造成前端子系统无法正常工作。

因此，要确保系统稳定就必须确保组件产品的稳定性和系统集成的稳定性。

2）牌照识别的准确率偏低，导致布控报警精度下降

实时布控比对报警的精确度取决于车牌识别的准确率，因抓拍照片模糊导致车牌识别准确率下降，进而导致布控报警精度下降。

这将严重影响到及时、准确、有效地拦截布控车辆，以城际卡口的漏报警所产生的影响最为恶劣。

3）取证照片有效率偏低，为案件侦破带来困扰

取证照片清晰度不够，所能反映的有效信息不够，为侦破案件所提供的细节不够充分。

本来公安办案人员希望能从取证照片中获取弥足珍贵的信息，结果往往发现取证照片过于模糊，所能获取的有效信息甚微。

4）数据追溯效率偏低，延误最佳破案时间

数据搜集汇总手段主要依靠人工拷贝，没有集中数据分析手段，依托人工逐张照片翻阅来追溯事发现场，取证时间长、人工工作量大、追溯效率低，延误最佳破案时间。

5）数据信息共享不畅，难以形成城域级布控网

各个卡口主要依靠查报站人工单点布控，无法形成城域级布控网。

综合数据信息无法被深度挖掘，无法为决策者提供有力的技术分析支撑。

二、系统设计目标

完成车辆综合信息的采集，包括车辆特征照片、车牌号码与车牌颜色等。

并完成图片信息识别、车辆速度检测、超速判别、数据缓存以及压缩上传等功能，主要由抓拍单元、补光灯、车辆检测器、终端服务器、外场工业交换机组成。

三、系统整体设计

3.1、系统组成

高清智能卡口前端子系统主要由以下功能单元组成：

1）车辆检测、图像采集识别单元：

含卡口抓拍单元和补光灯；卡口抓拍单元设置雷达，完成车辆检测功能；

2）数据处理及上传单元：

含终端服务器；

3.1.1系统结构

图4.车辆识别视频监控系统结构图

该系统负责完成车辆综合信息的采集，包括车辆特征照片、车牌号码与车牌颜色等。

并完成图片信息识别、车辆速度检测、超速判别、数据缓存以及压缩上传等功能，主要由卡口抓拍单元、补光灯、车辆检测器、终端服务器、外场工业交换机组成。

车辆检测、图像采集处理由卡口抓拍单元加补光灯组成。

卡口抓拍单元所拍摄的图片能清晰的分辨车型、车辆颜色、人员脸部特征等

卡口抓拍单元集成视频检测功能，采用视频检测算法完成车辆检测及过车抓拍，同时输出高清照片和车牌识别数据，具备强光（逆、顺）抑制功能，减弱白天日光对卡口抓拍单元和夜间机动车大灯对卡口抓拍单元拍照的影响，从所拍照片上能清晰呈现机动车正面全貌和车牌特征。

卡口抓拍单元与补光灯安装在同一根立杆挑臂上，减少立杆数量和投资费用，减少后期设备污物清理难度。

五、系统功能实现

各类监控信息融合：

用户通过该功能，能实现对安装有前端设备的监控点位、路口视频、抓拍图片的实时浏览，监控类型包括实时过车监控和实时视频监控

电子地图：

电子地图能够将区域的监控点位情况、交通数据、道路信息等直观地表现于该区域的地图上，用户可以从中获取各监控点位设备的工作情况、交通流量等数据，并可以根据需要刻画目标车辆运行轨迹。

电子地图包括电子地图、地图查询、车辆轨迹三块。

综合查询：

用户可以通过综合查询的功能，对系统所涉及的区域中各个监控点位、道路节点的往来经过车辆、人员等治安要素属性进行查询，也能够根据公安治安管控业务的特点，设置查询条件，对于系统能够记录并已经记录的车辆、行人信息进行查询。

根据用户需要查询的内容，综合查询包含三大部分：

即治安要素查询、日志查询、工作日志查询。

统计功能：

统计功能是系统对前端所采集的往来车辆数据信息进行分类汇总，并根据不同的业务单元的要求，以不同的形式出具统计报表，挖掘隐藏在数据背后的信息。

目前系统能够对不同路口、时段的车流量进行统计，并出具柱状、曲线或列表形式的日报、周报、月报和年报表。

智能研判：

是以系统前端采集的各项交通数据（点位车辆信息、车辆号牌等属性信息）为基础，通过关联算法，挖掘并评估不同类别交通数据之间的关联性，最终对部分交通事件作出辅助性的判断与决策，为交通管理者提供决策建议。

智能研判包括套牌嫌疑分析、行车轨迹分析、关联性分析、频繁过车分析、初次入城分析。

六、系统主要性能指标

单个卡口抓拍单元可覆盖车道数目

捕获率

识别车牌种类

牌照识别率

可识别的车身颜色类别

车身颜色识别准确率

车型类别

车辆识别

图像分辨率

通行车辆抓拍图片数目

前段录像存储功能

图片格式及占用空间

车辆信息存储容量

平均无故障持续运行时间

平均故障间隔时间（MTBF）

工作环境温度

工作环境湿度