设置一个舞台，在一个地区有200 +模拟摄像机到中央监控站，但这些摄像机没有识别面部或物体。是否可以对这些相机实施面部检测？这些相机必须具备哪些先决条件？如何加载这些相机发送和处理的图像？
答案 0 :(得分：2)
由于您的问题并未解决特定的编码问题，而是着重于解决模式识别任务的一般概念，因此我想给您一些必须考虑的步骤的概述。正如您已经注意到的，我写了一些有关模式识别（PR）的文章。好吧，除了模式分析（实际上是步骤2）之外，这就是您想要做的。
让我们从这样的PR管道开始：
要分析信号，首先必须有一个信号。收集此信号是第一步，让我告诉您一件事：在这里没有太多要做，但是有很多错误。对您来说，当您要访问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了。我对摄像机的视频质量没有任何印象，但请记住一件事：输入到特征提取（FE）工具中的信号几乎肯定会在每个FE步骤中都是一帧。因此，请检查帧的质量而不是整个视频的质量，这可能会给您造成错误的印象。除此之外，您无法真正影响信号采集。我没有写任何有关如何从摄像机访问模拟视频的信息，仅仅是因为没有有关其环境的信息。
现在，当您有一些数字信号时（当然也可以使用模拟信号来完成此操作，但是为了简单起见，我将仅在此处介绍数字预处理），您希望从中获得最大的收益。这是什么意思？您收集（或观察到）的每个信号X基本上都是真实的（未中断）信号S和某种噪声N的混合：
X = S + N
理想情况下，您想拥有的是S。如果设法降低噪声N，则可以减少其对总信号X的贡献。因此，在预处理过程中，您通常会进行某种过滤。对于图像，例如，您可以在单个帧上应用中值滤波器，以处理盐和皮特噪声。但是信号处理可以有许多不同的应用，您必须阅读有关特定任务的主题。长话短说：您想通过减少噪声，伪像，...来提高信号质量。
现在您的信号质量足够好（这是一个假设，对于您的特定设置我一无所知）。您现在要进行特征提取。这是什么？只有一个视频帧包含很多信息。假设您的分辨率为720×576像素，那么已经有超过400.000个值，这甚至不是很好的图像质量。第一件事：并不是每个像素都对您想要做的事情很有趣。现在，我将只考虑人脸识别任务：您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。您现在必须做两件事，首先检测一张脸，然后对其进行进一步处理以检测人。对于一般的面部检测，有不同的方法，例如模式匹配，纹理匹配或卷积神经网络（CNN）。成功检测到面部之后，您该如何处理面部？同样，您有不同的选择，例如特征面，尺度不变特征变换（SIFT）或CNN。
此外，您的分类算法需要培训。训练算法意味着针对特定目标优化其参数。这真的很棘手：不仅需要样本数据（可以从相机中收集数据），而且还需要标签。对于面部检测，您可以获得一些不错的预训练算法，这些算法也应适用于您的数据。但是，对于人脸识别，您需要每个想要检测的人的样本。并且您必须注释它们。您将需要大量这些摄像头，理想情况下，这些摄像头还将用于识别。同样，有预训练的模型，但是您仍然必须向这些预训练的模型展示您想识别的新面孔。
整个流水线假设您具有足够的输入信号质量，我不确定。如果是这样，它将为您提供有关执行任务所需步骤的快速指南。如果步骤1成功，则步骤2不再重要。第3步将是最具挑战性的，因为您必须拥有一些训练数据。
我没有写任何有关不同国家/地区隐私权法律的内容。我只是希望您尊重您可能面临的任何限制！