基于類屬超圖的視頻人臉識別關(guān)鍵技術(shù)研究.pdf

1、人臉識別是計算機視覺領域研究的重要方向之一，近幾十年來，人臉識別技術(shù)發(fā)展迅速并取得了眾多令人鼓舞的研究成果，但是由于問題本身的復雜性，人臉識別仍然是一個充滿挑戰(zhàn)的研究課題。如何在先驗知識少、目標成像環(huán)境復雜的情況下對即時感興趣人臉目標進行檢測與識別是實時視頻人臉識別系統(tǒng)需要解決的關(guān)鍵問題。本文要解決的基本問題是如何利用樣本圖像集或視頻集及標識信息對實時視頻中的人臉進行識別和標注。針對這個基本問題，文中提出了基于屬性圖匹配的人臉自動分組方

2、法和基于Adaboost-CSHG框架的視頻人臉識別方法，最后搭建實驗系統(tǒng)驗證了兩個方法的應用可行性。本文工作主要如下：
　?。?）人臉 ROI分組。對樣本圖像建模時，首先需要將樣本圖像進行分組，然后將各個分組圖片和標識信息關(guān)聯(lián)，從而為后續(xù)人臉識別和標注奠定基礎；除此之外，對于實時視頻監(jiān)控系統(tǒng)，通常需要保存視頻資料，而對于這類監(jiān)控型視頻文件，我們往往只會重點關(guān)注其中的人物要素，由于視頻圖像中存在著大量人物要素以外的背景信息，存儲時

3、會造成大量存儲資源浪費，因此提取圖像中的人臉ROI并分組保存，可以節(jié)省大量存儲空間。針對上述需求，本文提出了一種基于屬性圖匹配的人臉分組方法，并通過實驗驗證了其有效性。
　　（2）CSHG視頻人臉識別。由于視頻圖像成像條件變化較大，固定的人臉模板庫無法滿足視頻人臉實時識別的需求。本文根據(jù) SIFT特征及特征之間的幾何約束關(guān)系構(gòu)建屬性圖，并用屬性圖對圖像目標進行表征，利用RSOM快速匹配和CSHG目標模型的自我學習特性，實現(xiàn)了基于A

4、daboost-CSHG的人臉目標在線識別和跟蹤。該人臉識別方法對目標成像條件變化具有較強的適應性，可以滿足視頻人臉實時識別的需求。除此之外，文中增加光照處理和RootSIFT優(yōu)化對CSHG人臉識別方法進行了改進，并用實驗證明了這些改進可以提高人臉識別率。
　?。?）視頻人臉識別系統(tǒng)設計和實現(xiàn)。本節(jié)根據(jù)系統(tǒng)功能需求分析和上述基礎原理及解決方法的論證，構(gòu)建了基于CSHG模型的人臉檢測和識別一體化系統(tǒng)，對系統(tǒng)的軟硬件設計做了介紹，完成