论文摘要：基于视频时空信息的人脸识别方法研究

      近年来基于视频的人脸识别已成为人脸识别领域最为活跃的研究方向之一。针对视频中人脸的识别有很多种方法，但如何充分利用视频中人脸时空信息克服视频中人脸尺度变化、光照变化、姿态变化以及发生遮挡等困难是研究的难点和重要内容。
      本文以视频中人脸的检测、跟踪和识别这三个环节为切入点，针对如何有效地通过利用视频中的时空信息，提高人脸检测、跟踪和识别的鲁棒性和精确性问题进行了重点研究，主要研究内容和创新点总结如下：
     1、 对视频人脸识别的历史和现状进行了概述。对视频人脸识别中的不同环节的算法做了简要概述，并对视频中人脸的识别技术做了重点分析。最后综述了目前视频中人脸识别算法的评测情况及国内外主要的公用人脸数据库。
     2、 利用显著性模型和 AAM 模型，提出了一种人脸特征点检测方法，然后通过跟踪多姿态模型获得的特征点来确定视频中人脸运动的角度和姿态，并对视频中多姿态的人脸图像进行重构，利用连续视频中人脸运动时带有的时空信息，实现对视频中的人脸的识别。
     3、 将视频中人脸的跟踪和识别过程结合起来，提出了一种基于稀疏表示模型和方差池化的人脸跟踪识别方法，根据人脸内不同的局部模式捕捉到人脸的时空信息，然后利用增量子空间中重建的人脸图像进行识别，能够在遮挡、光照变化等情况下进行精确的识别。
     4、 通过使用增量聚类方法和词袋模型利用了视频中的时空信息，提出了一种基于增量视觉词汇表征的视频人脸识别方法，提出的增量聚类方法将得到的人脸类代表构建为人脸视觉词汇词典，再利用该词典将人脸表示为直方图，最后利用相似时序矩阵进行在线识别。
     5、 利用人脸图像映射在高维图像集空间中的时空分布信息，通过间隔分布优化来实现视频中人脸识别。首先通过基于图像集的协同稀疏方法得到一系列的识别结果，最后使用优化的权重来集成所有结果实现视频中人脸识别。
      本文的最后对下一步的研究工作进行了展望，主要包括：人脸特征准确定位、人脸超分辨率重建、人脸 3D 建模、视频人脸数据库测试方法标准化、多生物特征融合。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/292446.html