視頻中人臉識(shí)別算法研究.pdf

1、視頻中的人臉識(shí)別擁有十分廣闊的應(yīng)用前景。本文圍繞如何完成視頻信息初期的篩查，如何得到更好的人臉表示，如何得到更好的識(shí)別算法這三個(gè)問題進(jìn)行研究:
　　為了完成視頻信息初期的篩查，去掉冗余重復(fù)的信息。本文研究了視頻分段的方法，主要包括基于像素點(diǎn)的方法和基于顏色直方圖的方法。通過(guò)大量實(shí)驗(yàn)確定分割閾值，對(duì)比測(cè)試兩種方法的正確率和查全率，最后研究了采樣間隔對(duì)于視頻分段效果的影響。
　　為了得到更好的人臉表示，本文首先研究了人眼定位，采

2、用了一種PCA結(jié)合SVM精確人眼定位方法，并提出一種單層離散映射神經(jīng)網(wǎng)絡(luò)模型求解凸二次優(yōu)化問題（即求解SVM分類問題），對(duì)模型能夠得到最優(yōu)解和在權(quán)值隨機(jī)初始化條件下模型收斂這兩個(gè)問題進(jìn)行了理論證明。其次，在提取人臉Gabor特征后，采用PCA結(jié)合LDA的特征選擇模型，探究了如何選擇降維后特征維度問題。
　　為了得到更好的人臉識(shí)別算法，本文研究了多種人臉識(shí)別模型，包括SRC，LASRC等稀疏表示模型和CRC-RLS等協(xié)同表示模型，提

3、出了基于協(xié)同表示思想的識(shí)別模型SCRC。然后研究了聯(lián)合貝葉斯模型并且針對(duì)訓(xùn)練樣本不均衡的情況提出了一種改進(jìn)聯(lián)合貝葉斯模型。探究了算法識(shí)別正確率和總體入庫(kù)人數(shù)的關(guān)系，算法識(shí)別正確率和檢索庫(kù)每個(gè)人樣本數(shù)量的關(guān)系，給大規(guī)模人臉檢索系統(tǒng)的搭建提供數(shù)據(jù)指導(dǎo)。最后研究了多對(duì)多人臉比對(duì)模型，研究了多種比對(duì)方式及該模型的穩(wěn)定性，實(shí)驗(yàn)結(jié)果表明該模型能夠使得識(shí)別率獲得較大程度的提升。
　　本文的實(shí)驗(yàn)主要基于兩個(gè)人臉庫(kù)。一個(gè)是本文收集創(chuàng)建的互聯(lián)網(wǎng)人臉庫(kù)