視頻人臉識別框架
- 視頻人臉檢測：采用AdaBoost 算法訓(xùn)練的分類器進(jìn)行人臉檢測。目前，最流行的提取圖像感興趣區(qū)域（ROI）的方法是Viola-Jones 算法。該算法基于AdaBoost 使用一小部分的關(guān)鍵特征訓(xùn)練分類器并級聯(lián)分類器來檢測一個人臉，每個新的復(fù)雜度級別的增加都有助于獲得一個更高準(zhǔn)確性的結(jié)果，該算法在精度及時間復(fù)雜度方面都具有極大優(yōu)勢虫腋。Viola-Jones 算法用到了三種Haar 特征描述，為了最大程度上減少特征運(yùn)算的復(fù)雜度稀余，只有那些能夠較好的區(qū)分正示例和負(fù)示例的特征才被選作為分類器的部分級聯(lián)悦冀，其目標(biāo)是構(gòu)建一個類似于決策樹的結(jié)構(gòu)。
- 視頻人臉跟蹤（2017視頻序列中的人臉檢測與跟蹤技術(shù)研究）：現(xiàn)有的實時跟蹤技術(shù)包括：Camshift 算法睛琳，condensation 方法和自適應(yīng)卡爾曼濾波盒蟆，當(dāng)目標(biāo)遠(yuǎn)離攝像機(jī)時踏烙，該類算法未能實現(xiàn)有效跟蹤。Camshift 算法是原始Mean Shift 算法的一種改進(jìn)算法历等，是通過目前流行的OpenCV 庫實現(xiàn)的讨惩。該算法通過一個顏色直方圖來表示一個人臉，對于即將傳入的視頻幀寒屯，將計算一個像素代表人臉的概率荐捻。基于這些概率統(tǒng)計寡夹，通過移動人臉窗口处面，計算當(dāng)前窗口的視角及尺寸信息，該算法是目前已知的具有較好性能的人臉跟蹤算法菩掏，但當(dāng)出現(xiàn)與跟蹤目標(biāo)顏色相近的其他目標(biāo)時魂角，會出現(xiàn)誤跟蹤的現(xiàn)象。
-
視頻人臉識別（2017基于圖像集合和視頻序列的視頻人臉識別算法研究）：視頻人臉識別方法
1.基于關(guān)鍵幀的識別方法是通過在視頻中檢測代表性幀智绸，然后采用基于靜態(tài)圖像的人臉識別方法以實現(xiàn)視頻人臉識別野揪，是較為傳統(tǒng)的一種方法；Fisherface 方法目前仍然是主流的人臉識別方法之一瞧栗，同時產(chǎn)生了很多的改進(jìn)算法囱挑。另外，基于動態(tài)鏈接結(jié)構(gòu)的彈性圖匹配技術(shù)（Elastic Graph Matching沼溜，EGM）對一定的光照、表情和姿態(tài)變化有較好的魯棒性游添。（（難以定位系草？？））
2.基于圖像集合的視頻人臉識別方法把視頻處理成無序的圖像集合進(jìn)而可以通過融合人臉圖像的多視角空間信息進(jìn)行人臉識別唆涝，這類方法主要通過融合視頻中的人臉多視圖信息或捕捉視頻中人臉的變化模式來實現(xiàn)人臉識別找都；基于圖像集合的方法一般可以再細(xì)分為（基于超分辨率）、基于三維建模廊酣、基于幀選擇以及基于統(tǒng)計建模四種能耻。
3.基于圖像集合的方法利用視頻中潛在的大量樣本信息，基于序列的方法在識別的過程中會同時包含排序信息亡驰。時間動態(tài)信息可以被利用來同時表征面部表情和運(yùn)動變化晓猛；通過統(tǒng)一的跟蹤與識別模式可以提高配準(zhǔn)精度；或表示某個人的獨(dú)有特征凡辱。（基于生物特征中步態(tài)的分析） -
人臉樣本庫：Honda/UCSD 數(shù)據(jù)庫戒职；YouTube Faces 數(shù)據(jù)庫
參考流程圖
