基于監(jiān)控視頻的人臉識別與運動目標分割.pdf

1、視頻中的人臉識別技術以及運動目標分割技術作為計算機視覺和模式識別中的重要研究領域,具有重要的理論研究價值和實際應用價值。利用視頻中人臉的時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常發(fā)生遮擋等困難的人臉識別算法。此外,視頻中的運動目標分割結果是視頻處理領域中更高層場景分析和運動目標語義分析的基礎。本論文在相關領域研究工作的基礎上,提出了新的視頻人臉識別算法和運動目標分割算法,并對光照

2、魯棒性的人臉識別方法進行了研究。
　　 視頻監(jiān)控、信息安全以及公共安全等應用領域的發(fā)展帶動了人臉識別技術的進步?；谝曨l的人臉識別已成為人臉識別領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別方法。在訓練階段,采用改進的主動形狀模型(ASM)算法對人臉圖像完成特征點標定和姿態(tài)估計,基于特征點和標準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。在識別階段,對于輸入視頻中的人

3、臉圖像進行姿態(tài)估計,并將數據庫中的三維人臉模型調整至指定姿態(tài)并投影到二維平面;結合本文提出的二維經驗模態(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投票進行人臉相似性度量。
　　 監(jiān)控視頻中不可避免的光照變化將對人臉識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別研究成為模式識別領域一個重要的研究課題。針對現

4、有的光照魯棒性人臉識別算法,本文對基于稀疏表示的人臉識別、基于相位一致性的人臉識別、基于LBP特征的人臉識別進行了研究。通過在ORL、AR以及ExtendedYaleB三個人臉數據庫中提取這三種光照魯棒性特征,并基于主成分分析(PCA)進行降維,最后使用距離匹配進行分類識別的實驗結果表明:這三種人臉識別算法能夠有效地克服光照因素的影響。
　　 視頻中運動目標分割技術廣泛的應用于視頻監(jiān)控、交通監(jiān)控以及多媒體技術等領域,使得其成為當

5、前計算機視覺中的重要研究領域?，F有的運動目標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,具有較高的時間成本和計算復雜性。在現有方法的基礎上,本文提出了一種新的監(jiān)控視頻中的運動目標分割算法。該算法結合了光流運動信息估計算法,中值濾波去噪技術和基于圖論的過分割方法,并利用本文提出的圖節(jié)點融合框架完成分割。在分割過程中,采用光流法估計連續(xù)幀間運動目標的運動信息,并使用數字濾波器對光流信息進行去噪,基于去噪后的光流信息完成初始分割