如何利用ip摄像机实现人脸和目标识别的集成？

Question

设置了一个舞台，在一个地区有200多个模拟摄像头到一个中央监测站，但这些相机没有识别的面孔或物体。是否有可能对这些摄像机进行人脸检测？这些相机必须具备什么先决条件吗？如何加载这些摄像机发送和处理的图像？

Answer 1

由于您的问题并不涉及特定的编码问题，而是侧重于如何解决模式识别任务的一般概念，因此我想给您提供一些必须考虑的步骤的概述。正如你已经注意到的，我写了一些关于模式识别(PR)的文章。这就是你想要做的，除了模式分析，这实际上是第二步。

让我们从这样的公关管道开始：

1.信号采集

要分析一个信号，首先必须有一个信号。收集这个信号是第一步，让我告诉你一件事:这里没有什么可做的，但有许多错误。对你来说，当你想从模拟相机上获取视频信号时，首先要做的是A/D转换，所以你需要处理一个数字信号。我对你的相机的视频质量没有任何印象，但是要记住一件事:你输入到你的特征提取( FE )工具中的信号几乎肯定是每个FE步骤中的一个帧。因此，检查一个帧的质量，而不是整个视频，这可能会给你一个错误的印象。除此之外，你不能真正影响你的信号采集。我没有写任何关于如何从摄像机上访问模拟视频的文章，仅仅是因为没有关于他们的环境的信息。

2.信号预处理

现在，当你有一些数字信号(当然，你也可以用模拟信号来做这件事，但为了简单起见，我只会在这里讨论数字预处理)，你想充分利用它。这是什么意思？你收集(或观察)的每一个信号X基本上都是真实的(未损坏的)信号S和某种噪声N的混合物。

X = S + N

理想情况下，您希望拥有的是S。如果您设法降低噪声N，您将减少它对您所拥有的总体信号X的贡献。因此，在预处理过程中，您经常会进行某种过滤。对于一幅图像，您可以在单个帧上应用中值滤波器，例如，处理Salt和Petter噪声。但是信号处理可能有很多不同的应用，你必须为你的特定任务阅读这个主题。长话短说:你想通过减少噪音、伪影来提高信号质量.

3.特征提取/分类

现在，您有了一个足够高质量的信号(这是一个假设，我对您的特定设置一无所知)。你现在想做特征提取。这是什么？只有一个视频帧包含了大量的信息。假设你有720×576像素的分辨率，那么你已经有超过400.000的值了，这甚至不是一个好的图像质量。第一件事:并不是每个像素都对你想要做的事情感兴趣。我现在只考虑人脸识别任务:你需要显示人脸的像素。所有其他像素对你来说都不那么有趣。你现在必须做两件事，首先检测一张脸，然后再对它进行进一步的处理，以检测人们。对于一般的人脸检测，有不同的方法，如模式匹配、纹理匹配或卷积神经网络(CNN)。在一次成功的面部检测之后，你该如何处理这张脸呢？同样，您有不同的选项，如特征脸、尺度不变特征转换(SIFT)或再一次使用CNN.

此外，您的分类算法需要培训。训练算法意味着根据一定的目标优化算法的参数。在这里，它变得非常棘手:您不仅需要样本数据(您可以从您的相机收集这些数据)，而且您还需要标签。对于人脸检测，你可以得到一些良好的预先训练的算法，这也应该对你的数据起作用。然而，对于人脸识别，你需要每个你想要检测的人的样本。你必须给它们加注解。你将需要大量的他们，理想的捕捉与相机，你将使用的识别以及。同样，也有一些预先训练过的模型，但是你仍然需要展示那些你想要识别的新面孔。

整个管道假设您有足够的输入信号质量，这一点我不确定。如果是这样的话，它将为您提供一个关于您的任务所需步骤的快速指导。如果第一步成功了，那么第二步就不再是一件大事了。第三步将是最具挑战性的，因为你必须有一些培训数据。

我没有写任何关于不同国家的隐私法的文章。我只是希望你尊重你可能面临的任何限制！