基于主動視覺的FRAD系統
　　
　　美國洛克西德馬丁公司資助通用電氣研發中心完成了對遠距離人臉識別開發的一個原型系統，其稱之為“生物特征監控系統”，該系統是一套基于多攝像機追蹤架構的遠距離監控的人臉圖像采集原型系統，系統應用固定的WFOV攝像機進行可靠的人體檢測和追蹤，并采用卡爾曼濾波器對人體位置進行追蹤，確保預測出PTZ攝像機能夠采集到人臉圖像的位置。人體追蹤系統可同時處理視場內的多個目標，優先選擇系統會選擇一個目標進行圖像采集，這時攝像機將逐一快速對準目標，確保能夠采集到視場內所有目標的人臉圖像，zui后采用商業人臉識別器進行人臉圖像處理。實踐表明，該系統的人體定位距離可達25～50米，人臉圖像采集距離可達15～20米。
　　
　　該系統的一個重要創新是將生物特征識別與可靠的地面人體追蹤器結合起來，在使用時人一旦進入WFOV攝像機視場內，追蹤器就能夠鎖定該目標直到目標走出攝像機視場。在應用中，攝像機采集到的人臉圖像和識別結果會與存儲于內部數據結構的追蹤目標ID進行關聯，這樣可以在長時間內累積識別信息，允許目標選擇系統選擇還未識別的追蹤目標。該系統具有多個可配置運行模式，包括自動注冊和基于網絡的自動注冊數據共享（當目標從一個攝像機區域移動到另一個攝像機區域后，允許重復目標識別）。
　　
　　1.系統的應用設計
　　
　　（1）硬件
　　
　　該系統可由多個節點組成，每個節點由一對WFOV和NFOV攝像機構成，攝像機置于標準的架高工作臺上，兩臺攝像機均為索尼的EV1-HD1，攝像機通過串口VISCATM接口連接，其中WFOV攝像機分辨率為640×480，30Hz（NTSC），固定角度；NFOV攝像機分辨率為1280×720，30Hz，其角度、轉向和放大倍數由計算機控制。
　　
　　（2）人體檢測和追蹤
　　
　　在WFOV靜態攝像機視場中檢測并追蹤移動的人體，由于攝像機是靜止的，所以該系統采用了背景差分法檢測移動目標。系統對每一個像素的每一個顏色分量分布采用了自適應的參數模型，任何與建模不符的像素都將被認定為前景像素。在追蹤的過程中，焦距、WFOV攝像機的方向和位置等內外參數都通過一個計算過程得出，這些參數通過真實坐標與WFOV攝像機視頻幀映射得到。假定一個人在行走，計算視頻中包含整個人體的可行區域，那些能夠匹配可行區域的前景像素簇即為檢測到的人體。人體檢測過程在WFOV視頻中以10Hz的頻率進行，其中采用了卡爾曼濾波器，這使得系統對于瞬時干擾更加穩定，并且卡爾曼濾波器提供了追蹤目標的速度，這樣就可以預測目標的前行位置。
　　
　　（3）PTZ控制器
　　
　　PTZ控制器主要是對PTZ攝像機的平移、旋轉、放大倍數的控制。在具體操作時，根據WFOV攝像機畫面對NFOV攝像機畫面進行計算，首先NFOV攝像機處于原始位置，即平移和傾斜角度0°，放大倍數為1，采用點對應估算WFOV和NFOV攝像機畫面中同一點的位置關系。NFOV攝像機經過進一步計算，以確定平移、傾斜和放大設置對其畫面的影響。在這個計算的過程中，十分和重要的部分是攝像機的放大點，放大點就是當放大倍數改變時真實世界坐標不變的點，通常是一幅圖像的中心。實踐表明確切的放大點根據設備的不同而不同，當對遠距離物體采用高放大倍數時，即使很小的放大點偏移也會影響抓拍目標的準確性。在該計算過程中，一旦在WFOV視頻中確定了目標位置和區域尺寸，就直接確定了NFOV平移、傾斜和放大倍數的設置，這會使得目標圖像填滿整個NFOV的畫面。
　　
　　（4）目標選擇
　　
　　對于目標的選擇，一般在低分辨率的WFOV視頻中可能會檢測和追蹤到多個目標，因此該系統采取了優先選擇機制選擇目標，自動控制NFOVPTZ攝像機采集目標的高分辨率人臉圖像。目標優先選擇基于目標的歷史記錄和當前狀態，對于每一個被追蹤的目標都有一個用于優先選擇的目標記錄。該記錄包括過去目標被檢測的次數、人臉圖像采集的次數和人臉識別的成功次數。通過人體追蹤器中的卡爾曼濾波器可以確定以下幾個參數：目標到攝像機節點間的距離、方向余弦和目標的速度。（方向余弦是指目標行走方向與攝像機方向夾角的余弦，表明了目標正臉與攝像機節點間的角度。）
　　
　　
　　使用以上信息對被追蹤目標進行評分，評分zui高的將被選為人臉圖像采集對象。評分的得出主要是將每一參數乘以一個系數，并對結果進行省略處理再相加，zui后得到zui終的評分，如表1所示為一組參數和系數。例如，目標的方向余弦乘以系數10，然后限定于[-8,8]內，再與其它分數相加就得到評分。類似地，目標的速度（米/秒）乘以10，限定于[0,20]的范圍內，目標移動得快意味著會更快離開覆蓋區域，所以增加了優先選擇的分數。而采集次數、成功采集人臉圖像的次數和成功識別人臉的次數的系數都為負數，這將對優先選擇減分，減少系統重復采集。系統為各個參數限定了范圍，可避免任何一個單獨的參數過大而影響優先選擇分數。總之，優先選擇過程是在挑選行進速度快、面向攝像機的目標。在實際中，目標選擇機制使得系統能夠從一個目標向另一個目標移動，去選擇未出現過的、有用的人臉圖像。
　　
　　一旦選定了目標，人體追蹤器中的卡爾曼濾波將預測出目標在下0.5～1.0秒的人臉位置，然后NFOV攝像機將調解放大倍數等參數指向該位置，直到目標經過。這個做法為系統留有完成平移、傾斜和放大設置的時間，當目標經過NFOV攝像機畫面時，目標的人臉和上身將通過NFOV攝像機視頻畫面的中心，然后由基于NFOV視頻圖像的人臉檢測模塊進行人臉檢測和采集。一旦完成采集，系統將馬上開始選擇新目標，即系統大約每隔1～2秒指示攝像機采集一幅新的人臉圖像。
　　
　　除了選擇目標和確定NFOV攝像機指向的位置外，系統還必須選擇NFOV攝像機的放大倍數。放大倍數與成功采集人臉的幾率間存在一個平衡，高放大倍數可獲得高分辨率的人臉圖像，但任何目標追蹤上的差錯都將使人臉采集成功率大大降低。該系統采用了一種自適應的放大倍數選擇方法，如果一個目標從沒被成功采集過人臉圖像，那么初始采集人臉圖像分辨率的目標設定為雙眼間30個像素。然后，每次以某分辨率成功采集人臉圖像后，其分辨率目標值將提高20%，如果系統重復采集該目標圖像，其分辨率將逐漸提高。人臉圖像的分辨率目標值和人的距離決定了NFOV攝像機的放大倍數。
　　
　　NFOV攝像機具有自動和手動對焦模式，NFOV攝像機的自動對焦功能偶爾會出現對焦不準模糊的情況，不過利用目標位置和距離兩個數據可以解決這個問題。在使用中，*的攝像機設備和典型的目標距離使得焦距相對較遠，所以在使用時不必知道非常的目標距離，只有當焦距調整超過幾米的可調閾值范圍內時才需要調整攝像機的焦距。
　　
　　（5）人臉檢測和剪切
　　
　　在人臉檢測和剪切方面，目標鎖定程序指示NFOV攝像機連續監視NFOV攝像機視頻流中的人臉圖像，采用匹茲堡模式識別FT-SDK檢測NFOV視頻中每一幀的人臉。這個過程的運行頻率為10Hz，與圖像刷屏率相同保持實時操作。如果在一幀圖像中檢測到了多個人臉，系統只選擇zui靠近圖像中心的人臉，其更可能是選定的目標，然后將目標人臉圖像剪切下來，異步傳輸至人臉識別器，同時告知目標鎖定器人臉采集完畢，然后更新目標記錄。
　　
　　（6）人臉識別
　　
　　當人臉識別器接收到新的剪切人臉圖像后，系統將創建人臉采集記錄并存儲該圖像。人臉識別器根據圖像采集的時間詢問目標鎖定器，以確定人臉圖像來自哪個追蹤目標ID。目標鎖定器保存一個追蹤目標的時間記錄作為ID號，人臉采集記錄與之相關聯。系統可以以10Hz的頻率采集人臉圖像，但是人臉識別每幅圖像通常需要0.5～2秒的時間，這主要取決于算法。一般情況下，識別與采集并不同步，所以人臉識別是異步進行的。
　　
　　在處理環節中，重復應用人臉識別器識別采集的未識別圖像，結果存儲于人臉圖像采集記錄中，未處理的人臉圖像在30秒后被丟棄。人臉識別次數和結果存于目標記錄中的人臉圖像采集記錄中，并顯示于程序中。人臉識別結果傳遞至目標鎖定器以更新目標記錄，人臉識別結果同時被GUI使用以標注WFOV視頻中被追蹤目標的名字。
　　
　　本系統配有可選的自動注冊功能可以利用每一個追蹤目標的目標記錄，這是一個可配置的基于規則的過程，其目標是利用采集到的未注冊且適于注冊的人臉圖像進行自動注冊。自動注冊目標必須具有至少一幅質量超過人臉識別匹配閾值的人臉圖像，并且采用至少4幅不同的人臉圖像進行識別的結果均為失敗。這個過程可幫助確保用于自動注冊的人臉圖像確實是未知圖像。
　　
　　性能評估
　　
　　為了測試該生物特征監控系統的性能，通用公司設計了一個實驗模仿交通運輸樞紐中心的情況，如機場或地鐵站。系統被安置于室內和室外的固定位置。室內測試在一個很長（寬大約為9米）的走廊內進行，光照為來自窗戶的自然光和屋頂的幾個日光燈。這個走廊與機場航站樓相似，如圖1所示。此地的光照情況隨著時間和天氣而變化，從晴朗天氣的很亮到陰雨天或夜晚的昏暗。在進行室外測試時，攝像機分別朝向和背對太陽，試驗進行了6天以經歷不同的變化。在試驗過程中，被測試目標以自然的方式步行穿過走廊或室外區域。
　　
　　表2試驗數據

　　
　　*項試驗將評估人體檢測和人臉圖像采集的性能，表2所示為采集數據，圖3中的直方圖為初始人體檢測和初始人臉采集的距離。盡管被測目標的行為是可控的，但此過程中出現了其他非測試人員，包括在攝像機視場中靜止不動的人員。這些非測試人員甚至并不知曉正在進行測試。在全部的466次試驗中，只有1例人體檢測失敗和8例人臉采集失敗，原因是該目標或其臉部以某種方式被遮擋。
　　
　　表3試驗數據

　　表3為人體檢測、人臉檢測和人臉識別的均值和標準方差，我們可以看到，人體檢測和人臉采集的平均范圍大約是人臉識別的兩倍，這是由于人臉識別算法需要高分辨率人臉圖像，這也是現有人臉識別算法的局限性。
　　
　　結語
　　
　　通用公司的人體生物特征監控系統的主要是通過目標追蹤、目標選擇和自動PTZ攝像機控制進行人臉圖像采集，目標是采集高分辨率人臉圖像，并通過第三方人臉識別軟件進行識別。這種基于自動攝像機控制的遠距離人臉識別系統可以在目標不知情或非合作的情況下，在相對大的范圍內進行人體生物特征識別，其可應用于很多重要場合，而其他的生物特征識別技術如指紋、虹膜等都需要被識別人的合作以及近距離采集。該生物特征監控系統可以在20～25米遠的距離追蹤目標，識別距離zui大可達20米。目前類似這樣的系統已經在實踐中得到較好的應用，顯現出遠距離人臉識別良好的應用前景。