camera - 如何使用网络摄像机集成人脸和物体识别？

Question

设置一个舞台，一个小区有200+个模拟摄像头到一个中央监控站，但是这些摄像头没有人脸识别和物体识别。是否可以对这些摄像头实现人脸检测？这些相机是否必须具备任何先决条件？如何加载这些相机发送的图像并对其进行处理？

Answer 1

由于您的问题没有解决特定的编码问题，而是侧重于如何解决模式识别任务的一般概念，因此我想向您概述必须考虑的步骤。正如您已经注意到的，我写了一些关于模式识别 (PR) 的文章。嗯，这就是你想要做的，除了模式分析实际上是第 2 步。

让我们从这样的 PR 管道开始:

1. 信号采集

要分析信号，您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，但有很多错误。对您来说，当您想访问来自模拟摄像机的视频信号时，首先要做的是 A/D 转换，这样您就可以使用数字信号。我对您的相机的视频质量没有任何印象，但请记住一件事:您输入特征提取 (FE) 工具的信号几乎肯定是每 FE 步长一个帧。所以检查一帧的质量，而不是整个视频的质量，这可能会给你一个错误的印象。除此之外，您无法真正影响您的信号采集。我没有写任何关于如何从摄像机访问模拟视频的内容，仅仅是因为没有关于他们环境的信息。

2. 信号预处理

现在，当您有一些数字信号时(当然，您也可以使用模拟信号进行此操作，但为了简单起见，我将在此处仅介绍数字预处理)，您希望从中获得最大 yield 。这是什么意思？每一个信号X您收集(或观察)基本上是真实(未损坏)信号的混合S和某种噪音 N :
X = S + N
您理想中想要的是 S .如果您设法降低噪音 N ，您减少了它对整体信号的贡献 X你有。因此，在预处理期间，您通常会进行某种过滤。例如，对于图像，您可以在单个帧上应用中值滤波器，以处理 Salt and Petter 噪声。但是信号处理可以有许多不同的方面，您必须为您的特定任务阅读该主题。长话短说:您想通过减少噪音、伪影等来提高信号质量……

3.特征提取/分类

现在你有一个足够质量的信号(这是一个假设，我对你的特定设置一无所知)。你现在想做特征提取。这是什么？只有单个视频帧包含大量信息。假设您的分辨率为 720×576 像素，那么您已经有超过 400.000 个值，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做的事情感兴趣。我现在只考虑人脸识别任务:你想要显示人脸的像素。所有其他像素对您来说都不那么有趣。你现在必须做两件事，首先检测人脸，然后进一步处理以检测人。对于一般的人脸检测，有不同的方法，例如模式匹配、纹理匹配或卷积神经网络 (CNN)。人脸检测成功后，你对人脸做什么？同样，您有不同的选择，例如特征脸、尺度不变特征变换 (SIFT) 或 CNN。

此外，您的分类算法需要训练。训练算法意味着针对某个目标优化其参数。在这里它变得非常棘手:您不仅需要样本数据(您可以从相机收集这些数据)，还需要标签。对于人脸检测，您可以获得一些不错的预训练算法，这些算法也应该适用于您的数据。然而，对于人脸识别，您需要来自您想要检测的每个人的样本。你必须对它们进行注释。您将需要大量它们，最好使用用于识别的相机进行拍摄。同样，有预先训练的模型，但您仍然必须向这些预先训练的模型展示您想要识别的新面孔。

整个管道假设您有足够质量的输入信号，我不确定。如果是这样，它会为您提供有关任务所需步骤的快速指南。如果第 1 步成功，第 2 步就不再是什么大事了。第 3 步将是最具挑战性的，因为您必须拥有一些训练数据。

我没有写任何关于不同国家隐私法的内容。我只是希望您尊重您可能面临的任何限制!