Skip to main content

Fujitsu

English | 日本語

China

本技术介绍参考了以下链接
English

2016年2月17日

业界内首次实现通过低分辨率视频识别人群流动的技术
考虑个人隐私,通过无法识别面部的视频可高精度检测人的行动

株式会社富士通研究所(注1)开发了业界内首个可以通过低分辨率视频识别人群流动的技术,该视频无法识别面部,但可以高精度检测人的行动。

开发背景

近些年,商家通过使用人们在各个设施与道路中的移动路线信息,努力提高服务水平,如优化店铺配置、店铺内商品种类、店员配置等。人们期待利用人群流动信息,在举办活动时能够缓解街道拥堵,制定合理的公共交通系统运营计划,进行灾害时的疏散指导等。

图1
图1 人群流动识别与其利用实例

课题

在街道与商业设施内部通过监控摄像头进行人群流动信息的识别时,需要考虑被拍摄人的隐私。高分辨率监控摄像头可以清楚地识别人的面部特征,从防盗角度讲虽没有问题,但却涉及到了个人隐私。个人的行动信息,如谁在哪儿做了什么,很容易被第三方得知。

从视频中提取人群流动信息,一般使用以下技术:

  1. 人的检测:提取视频中人形的部分
  2. 人的匹配:判断通过多个摄像头检测的人是否是同一个人

这些技术是通过检测人脸、体形、性别等个人特征信息判断是否是同一个人,因此容易确定为某人,因涉及隐私常常无法得到应用。

开发的技术

富士通研究所基于人具有的共通特征,从低分辨率视频中检测出头、躯干等人体部分,通过服装颜色进行匹配,判断是否是同一个人。开发的技术具有以下特点:

  1. 通过低分辨率视频进行人的检测(图2)

    因头部不受人的姿势和拍摄方向影响,始终保持人的固有特征,因此在低分辨率视频检测中头部受到研发人员的关注。无论从前后左右哪个方向来看,头部都呈现为椭圆形,并且位于人体的上方。这些特征即使在低分辨率视频中也会保留。

    具体提取方法如下所示:

    1. 关注头部的形状特征,从输入图像(图2-左)中提取头部候选(图2-中间)。
    2. 通常会检测出多个类似形状,为解决该问题,研究人员将头部下方的部位作为躯干进行处理,成功实现了基于低分辨率的高精度图像检测(图2-右)。
    3. 在2的检测中,识别人的前后关系时按照从前到后的顺序进行,检测时重叠隐藏的部分作为被遮挡的人的身体进行处理,即使是多个相互重叠的人也可进行检测。

    基于以上方法,可以对多个人的头部和躯干部分分别进行识别。

    图2
    图2 基于低分辨率视频提取人的特征
    (左:输入图像,中:初期检测,右:检测结果)
  2. 通过服装颜色对低分辨率视频中的人进行匹配(图3)

    从多个视频中检测出人的特征,并将这些特征进行匹配,可实现对人的行动的识别。

    视频的分辨率无论高低,都可以将颜色部分提取出来。但一般在低分辨率视频中,细微的颜色通常被临近颜色吸收、混合,因此很难被顺利检测出来。为此,富士通研究所通过只提取特征颜色,实现在低分辨率视频中对人进行匹配。

    图3
    图3 低分辨率视频间的匹配对比

效果

传统技术很难通过无法识别人脸的低分辨率视频进行人的检测和匹配对比,基于此次开发的技术,研发人员在室内进行了实证实验,成功追踪了约80%的人(注2),实现了人群流动的识别与检测。

基于该技术,可以通过低分辨率监控视频进行店铺内商品种类或店员的配置,该视频不会特定某一个人,在保护了被拍摄人隐私的同时,还可提高商店的服务水平。

今后

富士通研究所,将继续通过实证实验提高人的检测精度,目标在2015年将该技术投放市场。


注释

注1 株式会社富士通研究所:
社长 佐相秀幸
总公司所在地 日本神奈川县川崎市
注2 成功追踪了约80%的人:
追踪精度取决于拍摄环境和摄像头的配置