基于视频相关性的人脸识别算法改进.pdfVIP

基于视频相关性的人脸识别算法改进木 陈皓1 霍星2 l中国电子科技集团公司第三十八研究所 2合肥工业大学数学系 摘要：随着人脸检测和识别技术的发展，越来越多的视频监控系统应用人脸识别算法来辅助监控 人员进行人脸判别。大部分传统的人脸识别算法一般只针对单幅图像进行检测识别，忽略了视频监控 领域中重要的前后帧相关的特性，造成了识别结果的不稳定。本文对视频监控中的人脸识别算法进行 了改进，增加了前后帧相关性的考虑，实验证明，该算法提高了传统单帧人脸识别算法的稳定性，具 有较好的应用价值。 关键词：人脸检测人脸识别视频监控运动估计 l引 言 人脸识别是一项极具发展潜力的生物特征识别技术，研究人脸识别技术具有十分重要的理论和应用价 值。最近几年，人脸识别技术取得了前所未有的发展，人脸识别在视频监控、人机交互等方面具有良好的 应用前景，已成为模式识别、图像处理等领域的研究热点【lJ。但在实际应用中的识别精度仍然难以满足人 们的预期要求，特别是采集图像中存在光照变化、方位变化以及其他干扰时识别精度会受到很大影响I到。 在实际应用如视频监控中对识别的稳定性要求较高，但环境因素变化很大，使用传统的基于单幅图像 的人脸识别算法得到的结果常常发生跳变，如一个人经过可能会被识别成多个人，这对监控人员的判断造 成了严重的影响，所以需要一种有效的方法提高人脸识别的稳定性。 目前，关于视频中的人脸识别和检索文献主要有Everin曲锄等提出采用人脸聚类的方法【3J；文献【4】、 【5】就正面人脸提出视频中人脸识别的方法。文献[1】的方法使用肤色模型对正面脸进行处理，没有考虑到视 频的连续特性。文献【2】、【3】提出去除背景信息、姿态调整和支持向量机检测人脸，得到较好的结果。但上 述方法中基本上都没有考虑到帧与帧之间的关系。实际上，视频的序列特性恰好提供了更多的人脸相关性， 可以利用这一特性增强人脸识别的精度。文献【6】提出基于子空间增量学习的视频中人脸图像检索，将视频 中的相关性应用于人脸图像检索中，实现了对电影视频中特定演员的检索功能。而在基于视频的人脸跟踪 方面有较多的文献，但大部分仅实现了人脸的跟踪，并未在视频相关性基础上实现人脸识别的改进。 受到文献【4】的启发，本文在将人脸识别算法应用于视频监控项目中时，针对识别结果不稳定的现象， 深入研究了视频中人脸相关性对识别精度的影响，提出了视频中相关人脸的识别，不再孤立地对单一图像 进行人脸识别，而是从一系列相关图像中识别人脸的身份。试验结果表明，引入相关性概念后的视频监控， 对人脸识别结果的稳定性大大提高。 ‘基金资助：本文受到合肥工业大学青年教师基金(081002F)的支持． 作者简介：陈皓(1981．8-)，计算机应用技术博士，研究方向为图形图像处理、可视化和虚拟现实． 2改进的算法 2．1视频监控中人脸的跟踪 视频中的人脸跟踪可以视作目标跟踪的一种，从统计的角度来看，目标跟踪是一种概率推断问题，其 目的是通过观测值来估计系统的未知状态，即求解状态变量的后验概率分布。根据贝叶斯公式，后验分布 可以通过状态的先验分布和联系状态与观测的似然函数来确定。在贝叶斯估计方法中，状态的先验分布可 以通过专家知识、机器学习等方法得到，似然函数则由系统的观测方程得出。贝叶斯估计将目标状态的求 解转换为基于贝叶斯推理的后验概率的求解。得到状态的后验概率分布后，根据某种准则如最小方差估计、 最大后验估计、极大似然等，得出状态的估计。然而，求解贝叶斯估计需要积分运算，求解困难。 针对视频监控这类特定场合，人脸目标的运动可以近似简化为线性运动，在图像空间中可以通过前后 帧的人脸检测结果——人脸中心距离和人脸面积变化来实现人脸的快速跟踪。 设视频中第N帧的人脸位置町以用矩形Rect表示，同时为对人脸目标实现跟踪，设置人脸的跟踪状 态S，则第N帧的人脸检测结果记做 Face={Rect，S，N} 由于可能同时跟踪多个目标，另外设置一个目标列表TraceList，每个列表项表示一个正在跟踪的人脸 目标。 人脸跟踪的算法描述如下： (1)将跟踪列表置为空，开始人脸跟踪。