基于人臉對象的簡單人臉視頻靜態(tài)摘要的研究.pdf

1、傳統(tǒng)靜態(tài)視頻摘要方法主要根據(jù)相鄰幀之間的差異來提取視頻關(guān)鍵幀，本文著重于對視頻中的人臉對象進行分析并提取視頻關(guān)鍵幀集合。由于視頻中檢測到的人臉圖片數(shù)量較多且存在一定的冗余，常規(guī)的人臉特征維數(shù)又較高，從而大大影響生成視頻摘要的精度和速度，為此，提出了一種針對face-track的特征描述方法，其中的face-track是指跟蹤視頻中的單個人臉而得到的圖片集合;本文提出的face-track特征描述法通過對face-track的人臉圖片集合

2、進行特征空間變換，分析提取其中有效的信息，從而得到對于face-track的整體描述而非單張人臉的特征描述。使得視頻中的人臉特征不僅在數(shù)量上而且在維度上都得到了有效壓縮。實驗比較了不同的特征提取方法，并采用不同的聚類算法進行了效果驗證，結(jié)果表明本文提出的face-track特征描述方法在聚類時間上和準確度上都有一定的優(yōu)勢。
　　通過聚類算法從視頻中獲得關(guān)鍵幀，從而生成靜態(tài)摘要，是一種常見的視頻摘要生成方法，然而常見的聚類算法不僅需

3、要預(yù)先確定類的個數(shù)，而且忽略了視頻幀的時間順序，導(dǎo)致得到的視頻摘要不能準確概括視頻中的重要內(nèi)容。稀疏子空間聚類是一個新穎的聚類方法，該方法不需要預(yù)先制定聚類個數(shù)，本文在原有的稀疏子空間聚類的基礎(chǔ)上，提出了基于人臉序列的稀疏子空間聚類算法，并給出了一個新穎的視頻摘要生成系統(tǒng)。該系統(tǒng)不同于常規(guī)的側(cè)重于分析整個視頻幀內(nèi)容的視頻摘要生成方法，而是側(cè)重于分析視頻幀中的人臉對象，通過檢測跟蹤視頻中的人臉，得到若干人臉序列，然后通過對這些人臉序列進行