基于監(jiān)控視頻的人臉識(shí)別與運(yùn)動(dòng)目標(biāo)分割.pdf

1、視頻中的人臉識(shí)別技術(shù)以及運(yùn)動(dòng)目標(biāo)分割技術(shù)作為計(jì)算機(jī)視覺和模式識(shí)別中的重要研究領(lǐng)域,具有重要的理論研究價(jià)值和實(shí)際應(yīng)用價(jià)值。利用視頻中人臉的時(shí)間和空間信息是一種能夠有效地克服視頻中人臉分辨率低、尺度變化范圍大、光照、姿態(tài)變化比較劇烈以及時(shí)常發(fā)生遮擋等困難的人臉識(shí)別算法。此外,視頻中的運(yùn)動(dòng)目標(biāo)分割結(jié)果是視頻處理領(lǐng)域中更高層場(chǎng)景分析和運(yùn)動(dòng)目標(biāo)語義分析的基礎(chǔ)。本論文在相關(guān)領(lǐng)域研究工作的基礎(chǔ)上,提出了新的視頻人臉識(shí)別算法和運(yùn)動(dòng)目標(biāo)分割算法,并對(duì)光照

2、魯棒性的人臉識(shí)別方法進(jìn)行了研究。
　　 視頻監(jiān)控、信息安全以及公共安全等應(yīng)用領(lǐng)域的發(fā)展帶動(dòng)了人臉識(shí)別技術(shù)的進(jìn)步?；谝曨l的人臉識(shí)別已成為人臉識(shí)別領(lǐng)域最為活躍的研究方向之一。本文提出了一種基于視頻幀序列人臉三維重建的視頻人臉識(shí)別方法。在訓(xùn)練階段,采用改進(jìn)的主動(dòng)形狀模型(ASM)算法對(duì)人臉圖像完成特征點(diǎn)標(biāo)定和姿態(tài)估計(jì),基于特征點(diǎn)和標(biāo)準(zhǔn)三維人臉模型完成人臉三維重建,通過獲取的正面人臉圖像完成模型紋理映射。在識(shí)別階段,對(duì)于輸入視頻中的人

3、臉圖像進(jìn)行姿態(tài)估計(jì),并將數(shù)據(jù)庫中的三維人臉模型調(diào)整至指定姿態(tài)并投影到二維平面;結(jié)合本文提出的二維經(jīng)驗(yàn)?zāi)B(tài)分解(2D-EMD)和PCA主成分分析方法提取入臉特征,并基于歐式距離和多數(shù)投票進(jìn)行人臉相似性度量。
　　 監(jiān)控視頻中不可避免的光照變化將對(duì)人臉識(shí)別的精確性造成一定的影響。在不同的光照環(huán)境下,同一個(gè)人臉的圖像變化往往要比在相同條件下不同人臉的圖像變化更大,因此,光照魯棒性的人臉識(shí)別研究成為模式識(shí)別領(lǐng)域一個(gè)重要的研究課題。針對(duì)現(xiàn)

4、有的光照魯棒性人臉識(shí)別算法,本文對(duì)基于稀疏表示的人臉識(shí)別、基于相位一致性的人臉識(shí)別、基于LBP特征的人臉識(shí)別進(jìn)行了研究。通過在ORL、AR以及ExtendedYaleB三個(gè)人臉數(shù)據(jù)庫中提取這三種光照魯棒性特征,并基于主成分分析(PCA)進(jìn)行降維,最后使用距離匹配進(jìn)行分類識(shí)別的實(shí)驗(yàn)結(jié)果表明:這三種人臉識(shí)別算法能夠有效地克服光照因素的影響。
　　 視頻中運(yùn)動(dòng)目標(biāo)分割技術(shù)廣泛的應(yīng)用于視頻監(jiān)控、交通監(jiān)控以及多媒體技術(shù)等領(lǐng)域,使得其成為當(dāng)

5、前計(jì)算機(jī)視覺中的重要研究領(lǐng)域。現(xiàn)有的運(yùn)動(dòng)目標(biāo)分割算法主要利用圖像像素信息或顏色紋理信息來完成分割任務(wù),具有較高的時(shí)間成本和計(jì)算復(fù)雜性。在現(xiàn)有方法的基礎(chǔ)上,本文提出了一種新的監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)分割算法。該算法結(jié)合了光流運(yùn)動(dòng)信息估計(jì)算法,中值濾波去噪技術(shù)和基于圖論的過分割方法,并利用本文提出的圖節(jié)點(diǎn)融合框架完成分割。在分割過程中,采用光流法估計(jì)連續(xù)幀間運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息,并使用數(shù)字濾波器對(duì)光流信息進(jìn)行去噪,基于去噪后的光流信息完成初始分割