人臉比對行人闖紅燈交通管理報警系統技術解析

喬春陽

摘 要：該系統是一套專門設計用于改善行人過街交通管理部門的管理系統，是非現場治理的一個切實有效的手段;是智能交通領域中的視頻分析，跟蹤動作，人臉識別，大數據，云智能技術新的綜合應用。

關鍵詞：人臉識別;行人檢測;深度學習;大數據;云存儲

行人忽視交通規則，亂闖紅燈一直是城市的“疾病”。其中行人闖紅燈是行人交通違法行為中最常見，最明顯和發生率最高的交通違規行為。這種非法行為不僅對其本人構成較高風險，而且還妨礙道路的暢通，也是造成交通事故的主要原因。行人闖紅燈交通違法行為長期存在，而且遇到“法不責眾”的尷尬局面經常出現。這就造成了很難管理的問題，形成了行人肆意闖紅燈、無視交警指揮等不讓行、不服管的怪現象。該系統的建筑就是為了逐漸改善主要交通路口行人、自行車、電動車闖紅燈現象，提高全民遵守規章制度的思想意識。

1 關鍵技術

1.1 人臉識別技術

人臉識別技術是一種基于生物特征識別的識別方法。所謂的生物識別技術是一種利用人類生理特征或行為特征來識別其自身身份的技術。一般來說，它涉及五個部分：

（1）人臉圖像采集：根據人物的臉部特征，從前置攝像頭采集臉部面部的視頻或圖像;

（2）面部圖像檢測：面部圖像包含豐富的特征，如直方圖特征，顏色特征，模型特征，結構特征和哈爾的特征。人臉圖像檢測使用此功能檢測采集的視頻和圖像，并準確校準臉部位置和大小;

（3）人臉圖像預處理：由于不同的條件和偶爾的干擾，系統獲取的原始圖像通常不會被直接使用。必須在圖像處理的最早階段使用灰度校正和噪聲過濾進行預處理。對于面部圖像，預處理過程主要涉及半徑補償，梯度變換，直方圖均衡，歸一化，幾何校正，面部圖像的濾波和銳化;

（4）面部成像圖像提?。嚎捎糜谌四樧R別的特征通常分為視覺屬性，像素特征，面部圖像變換系數的圖像特征，面部圖像代數函數等。在一些面部特征上執行面部圖像的提取，并且通常通過基于知識的表示方法來應用。它主要根據面部器官形式的描述和它們之間的距離特征來獲得對面部分類有用的功能的數據。特征分量通常包括歐幾里德距離，曲率和功能點之間的角度等。人臉由眼睛，鼻子，嘴巴，胡須等組成。這些部分的幾何描述和它們之間的結構關系可以作為識別人臉的重要特征;

（5）人臉識別圖像匹配：人臉圖像匹配意味著檢查面部圖像提取的特征數據并將其與存儲在數據庫中的功能模板匹配。當相似度超過閾值時進行匹配，匹配的結果是將面部圖像的識別與呈現的面部圖案進行比較，并且通過相似性來判斷面部身份信息。該過程分為兩類：一類是確認，一對一圖像比較過程，另一類是識別，這是一個多的圖像比較過程。

1.2 深度學習

深度學習是指通過模擬人腦產生的深部神經網絡并模仿人腦機制來學習，判斷和決策的技巧。它廣泛用于面部識別，語音識別和筆記識別。由深部神經網絡訓練的面神經算法可以大大提高識別的準確性。簡而言之，它是一種神經網絡，在網絡結構中具有預先確定的面部識別知識，并“讀取”在不同環境中拍攝的許多不同的人（例如照明，視角，表達）。面部圖像自動學習并提取不同面部和尺度的低，中，高特征。經過大量的學習，機器可以根據給定的模型信息區分不同的人。

1.3 大數據技術

大數據是指傳統數據庫軟件在一段時間內無法分析，處理和管理的數據集合。通常，可以使用四個V來概括大數據的基本特征：volume（大量）、variety（多樣性）、value（價值密度）和velocity（快速化）。大量判斷意味著數據非常大，存儲量大，增長很快;多樣化意味著數據一方面具有不同的來源，另一方面具有結構化，半結構化和其他形式的數據類型;低密度意味著該數據的單個來源或單個維度不會帶來有效值。只有當它在一定規模上形成并且完全相互連接才能具有很大的價值;快速處理需要對數據分析的高實時需求。

1.4 云存儲技術

云存儲是云計算的一個新的擴展概念。它指的是通過集群應用程序，網絡技術或分布式文件系統將存儲虛擬化技術應用于各種網絡。其中不同類型的存儲設備一起工作以一起提供數據存儲和服務訪問，并且云存儲也被理解為配置有存儲設備的云信息系統。該系統基于交通應用的特點，采用面向業務的設計理念，集成采集，虛擬化，離散存儲等技術，規劃圖像成像維護。它可以收集大量不同類型的網絡存儲設備并協同工作，以確保高性能，高可靠性，不間斷的圖像存儲和業務訪問服務。云存儲是在云計算（cloud computing）的概念上延伸和發展出來的一個新概念，是指通過集群應用、網格技術或分布式文件系統等功能，應用存儲虛擬化技術將網絡中大量各種不同類型的存儲設備通過應用軟件集合起來協同工作，共同對外提供數據存儲和業務訪問功能的一個系統，也可將云存儲理解為是配置了大容量存儲設備的一個云計算系統。

2 系統優點

2.1 解決現場警力不足的問題

該方案采用自動取證系統，系統不間斷運行，在一定程度上消除了時間和空間的空點，可以緩解警力和執法不力的現場取證問題，并確保行人發生闖紅燈違規行為是能夠及時糾正并且制止。

2.2 解決取證易受人的因素影響問題

與現場取證相比，該系統是自動遠程提醒規范，減少警力有限的問題，有效解決了執法成本高，效率低下的問題，減少現場執法沖突。

2.3 實施關鍵智能算法，以提高環境適應性

集成檢測單元具有內置的行人檢測模塊，該模塊使用基于圖像的功能和驅動算法來識別行人運動，顏色和輪廓特征，以支持復雜場景中的捕獲，避免陰影和相機抖動造成誤檢的影響。自動檢測穿過路徑的行人的非法行為。

2.4 符合實戰需求的人臉識別應用程序

該系統基于實際的交通執行，可以提供豐富的人臉識別和實際應用功能，如動態比較警告，人員識別等。同時，在設計應用功能時，它也更加注重實戰，如：人員控制和動態警告比較操作，考慮到當前警察的使用，人員警力有限，因此系統優先保證高警報警報率，在允許少量漏報的情況下，降低誤報率和誤報率假，嘗試達到相同的比例，并在有限的警察來源下輕松使用系統。

3 結語

該系統是一套專門設計用于改善行人交通管理的交通違規行為的管理系統。它是智能交通領域在運用分析應用，跟蹤動作，面部識別，優質數據和云分析技術的全新視頻分析應用。它增強了交通管理部門處理行人闖紅燈違法管理業務能力，提高了人們尊重規章制度的意識。全面助力創建全國文明城市目標實現。