视频监控中人脸识别算法稳定性的改进
2011-07-07陈皓,霍星
图学学报 2011年6期
陈 皓, 霍 星
(1.中国电子科技集团公司第三十八研究所,安徽 合肥 230031;2.合肥工业大学数学系,安徽 合肥 230009)
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[1]。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[2]。
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 Everingham等提出采用人脸聚类的方法[3];文献[4]、文献[ [5]就正面人脸提出视频中人脸识别的方法。文献[3]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[4]、文献[5]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。文献[6]将常用于光照补偿的图像处理方法和基于模型的光照锥方法进行了对比实验,用以解决人脸识别系统中的光照问题。文献[7]利用图像融合技术实现了基于可见光图像和红外热图像相结合的多模式人脸识别,研究了两种图像在像素级和特征级的融合方法。……
登录APP查看全文
