《监控视频中的人像识别与检验方法研究开题报告【含提纲】》

PAGEPAGE6一、本课题的研究问题与文献综述：（所要研究的问题、研究目的与意义、国内外研究现状述评等）（一）所要研究的问题图像在获取、成像、处理、存储等过程中，容易受到外界因素的干扰而产生降质，退化为模糊图像。图像复原技术可以一定程度上将退化后的图像清晰化。它的一般流程是分析退化模型，然后根据先验约束估计模糊核，最后用估计出的模糊核求解目标图像。本文从实际的项目出发，将带有离焦模糊的人脸图像作为研究对象，运用图像盲复原技术来处理图像并希望达成两个目标：一是提高图像的质量，二是提高图像在人脸识别系统中的识别效果。（二）研究目的与意义为全面提升社会治安综合治理水平，维护国家安全和社会稳定、预防和打击暴力恐怖犯罪，大力加强公共安全视频监控联网应用的建设力度，围绕贯彻落实“创新、协调、绿色、开放、共享”五大发展理念，将公共安全视频监控建设联网应用项目建设作为实现经济创新发展、转型发展的重大战略举措。公共安全视频监控建设联网应用项目建设是整个平安城市建设的基础和关键，也是非常重要和紧迫的任务。目前，物联网、人工智能、云计算、大数据、云存储等新技术正在影响着人们对视频应用的理解。简单的实时查看、录像调阅、存储等基础功能已经无法满足应用需要，可检索、可追溯、可自动分析、可深度挖掘的智能化视频应用已成为当前的大势所趋。要使视频监控系统更好地服务于反恐维稳、指挥处置、治安防控、侦查破案、公共安全的实战业务，必须要做到五大技术应用能力。一是海量数据的存储和计算；二是视频信息的快速检索；三是视频智能分析算法的实现；四是在图像侦查和大数据分析应用；五是可视化应急指挥调度。只有在这些系统建设后，视频信息资源才可能被更深入地应用。本课题主要针对视频监控中的人脸识别检验方法。由于实际使用场景环境因素的多样性和复杂性，人脸识别系统的准确性和稳定性会不可避免地受到干扰，因此在具体场景下设计一个准确率高并且鲁棒性强的智能人脸识别方法仍具挑战性。（三）国内外研究现状述评1.经典的图像非盲复原方法图像非盲复原就是在已知模糊图像和模糊核的情况下，求解清晰的目标图像。上世纪六十年代出现了逆滤波[1]，在无噪声的情况下，运用傅里叶变换及其逆变换，可以在频域求解目标图像。实际图像中噪声的存在使得逆滤波的效果并不好。Helstrom[2]在1967年提出了维纳滤波，在噪声分布函数已知，且噪声与图像的相关性均已知的情况下，最小化模糊图像与目标图像之间的均方误差，所以也被成为最小二乘滤波。20世纪70年代，Richardson[3]和Lucy[4]提出了基于最大似然理论的RL算法，在图像满足泊松分布的假设下，用最大似然函数求取能量方程。RL算法在噪声较小，且选取合适的迭代次数时效果较好，得到了广泛的应用。但在有噪声条件下，噪声对目标图像的影响会随迭代次数的增加而增大，产生明显的振铃效应。以上是三种经典的图像非盲复原方法，且都是在已知准确的模糊核的情况下采用的复原方法。2.传统的模糊核估计方法随着数字图像处理的发展，逐渐开始有对模糊图像的模糊核做估计的研究成果出现，下面将介绍一些传统的模糊核估计方法。传统的运动模糊核的估计办法是借助硬件条件来实现的，其思想主要是借助机械结构或光学理论来消除运动轨迹的影响。如Tai等人[5]用低分辨率高帧率相机采集到的图像来去除高分辨率低帧率相机采集到的图像中的模糊，并利用光流法来估计模糊核，取得了较好的效果。Hu等人[6]利用智能手机的惯性传感器，动态恢复摄像机的延迟和在线校准旋转中心，进而估计出模糊核。以上方法对运动模糊图像的复原起到了一定的作用，但是工程复杂、成本较高，通用性较差。3.基于卷积神经网络的图像盲复原近几年，随着深度学习和卷积神经网络在图像处理领域的发展，也有学者将这些技术应用到模糊图像复原领域。2017年，Dong等人[7]等提出用全卷积神经网络从模糊图像中估计运动流，，并用估计出的运动流来消除图像中的运动模糊。2018年OrestKupyn等人[8]提出了基于情景对抗网络的运动模糊盲复原模型（DeblurGAN），基于情景对抗生成网络cGAN[9]，组合损失函数和一种新的合成模糊图像的方法，将去模糊算法运用到了目标检测上，当检测图像是模糊图像时，先对图像去模糊来提高目标检测的准确率。二、本课题研究的基本框架：本文将基于先验约束对带离焦模糊的人脸图像做复原处理，一方面提高视觉效果，另一方面要提高图像在人脸识别系统中的识别效率。研究内容包括先验约束的选择，正则化参数的调节以及求解算法的设计。其中，先验约束的选择将是最重要的一部分，针对带离焦模糊的人脸图像，选择更合适的先验约束，既保证图像复原效果，还要尽量提高用以人脸识别的特征。章节安排如下：第一章，绪论。介绍本文课题的背景以及研究意义，对图像复原的国内外研究现状做了大致的描述，总述本文的研究内容和章节安排。第二章，图像复原的理论基础。介绍图像的几种退化模型，经典的图像非盲复原方法，经典的模糊核估计方法以及图像的评价方法。第三章，基于先验知识的图像盲复原研究。深入研究在图像盲复原中关于模糊核以及图像的先验约束知识，并对相关的先验约束进行分析。第四章。工作总结与展望。总结本文的研究成果，并将研究过程中仍未解决的问题提出，并分析可能的研究方向。提纲如下：1绪论1.1研究背景1.2研究意义1.3国内外研究现状2图像复原的理论基础2.1图像退化模型2.2图像模糊核的估计方法2.3图像去卷积方法2.4图像质量评价方法3基于先验知识的图像盲复原研究3.1基于先验知识的图像盲复原模型介绍3.2模糊核估计过程中的先验知识3.3目标图像复原先验约束4基于暗通道先验的图像盲复原4.1基于暗通道先验的图像盲复原模型4.2对复原算法的进一步优化4.3实验结果分析5结语三、本课题的研究方法与实施步骤：1.文献研究法本研究釆用文献分析法对监控视频、人像识别与复原等的相关文献进行了梳理和分析，对国内研究报告、相关文献综述、相关政策综述等进行数据整理和分析。2.图像模糊核的估计方法图像盲复原方法一般分为两个步骤，第一是根据图像退化模型，选取合适的手段估计出点扩散函数，第二步就是通过模糊图像和模糊核来做去卷积操作，反向求解逼近原始图像的结果。3.图像质量评价方法对复原图像的质量评价方法分为主观评价方法和客观评价方法。主观评价方法即基于个人的主观视觉体验，结合统计学方法对图像质量进行评价，目前主流的评价标准是NIIRS客观评价方法则是先求出图像的某个能表征质量的参数，根据参数的性质以及参数值对图像的质量进行评估。

四、主要参考文献：[1]王海龙,王怀斌,王荣耀,等.基于视频监控的人脸识别方法[J].计算机测量与控制,2020,v.28;No.259(04):142-146.[2]朱海,王国中,范涛,等.基于深度超分辨率重建的监控图像人脸识别[J].电子测量技术,2018(16).[3]张鑫.公安视频监控中的人脸识别技术研究与应用[J].中国安全防范认证,2019,000(001):23-25.[4]赖祥.智能视频监控中人脸识别技术的应用与发展[J].通讯世界,2019(6).[5]陈金[1],汪波[2],胡俊勇[2],等.面向监控视频的人脸识别技术及应用[J].湖北理工学院学报,2019,35(003):P.28-33.[6]李令飞.基于深度学习的多摄像机监控场景3D人脸识别技术研究[D].北京邮电大学,2019.[7]李世峰.基于视频监控的人脸识别在水电站巡检管理中的研究与应用[D].南昌工程学院,2019.[8]晏鹏程,张一鸣,童光红,等.基于卷积神经网络的视频监控人脸识别方法[J].成都工业学院学报,2020(1).[9]李雪松.人脸识别系统全程监控[J].作文通讯：初中版,2020,000(004):P.55-55.[10]沈洪亮.高清视频监控时代人脸识别的公共安全应用分析[J].装备维修技术,2020,No.176(02):108-108.[11]蔡硕,陈明,赵津.面向监控视频的人脸识别技术应用分析[J].科技风,2020,No.436(32):20-21.[12]张湃.人脸识别在视频监控中的应用探讨[J].科学与信息化,2020,000(007):P.34-34.[13]彭树风.基于深度信息的监控视频人脸识别方法研究与实现[D].北京邮电大学,2018.[14]王亚.基于深度学习的监控视频中人脸识别方法改进[D].中国科学技术大学,2018.[15]汪雷.基于非负矩阵分解的人脸识别方法研究[D].西安电子科技大学,2018.[16]王亚.基于深度学习的监控视频中人脸识别方法改进[D].中国科学技术大学,2018.[17]王洪俊.基于特征学习的人脸识别研究[D].北京邮电大学,2018.[18]程森林.基于监控场景下深度学习的人脸识别研究与设计[D].北京邮电大学,2019.[19]HuZ,YuanL,LinS,etal.ImageDeblurringUsingSmartphoneInertialSensors[C]//IEEEConferenceonComputerVisionandPatternRecognition.IEEEComputerSociety,2016:1855-1864.[20]MoghaddamME.AMathematicalModeltoEstimateOutofFocusBlur[C]//InternationalSymposiumonImageandSignalProcessingandAnalysis.IEEE,2007:278-281.[21]SuLY,LiFL,XuF,etal.DefocusedImageRestorationUsingRBFNetworkandIterativeWienerFilterinWaveletDomain[C]//CongressonImageandSignalProcessing,Vol.IEEEComputerSociety,2008:311-315.[22]QinF.BlindimagerestorationbasedonWienerfilteringanddefocuspointspreadfunctionestimation[C]//InternationalCongr