论文部分内容阅读
视频监控已广泛应用于日常生活,为此基于监控的视频人脸识别已成为国内外研究热点,同时也是国际安保严峻形势的需要。然而现实视频监控环境的低分辨率、多姿态俯视、环境不可控和单训练样本等问题却成为人脸识别需要攻克的挑战。而SIFT算法作为具有良好鲁棒性和可区分性的先进算法,其尺度不变性、旋转不变性、对光照和遮挡不敏感等特性恰恰又是视频监控人脸识别所需要的。因此,本研究对SIFT算法在视频监控人脸识别中的应用进行探究,包括SIFT算法的单训练样本视频监控人脸识别以及人脸再识别应用等。在SCface人脸库上验证,与传统的PCA算法对比可知,SIFT算法的确能在一定程度上提高识别效果,而在人脸再识别应用中,正确识别率最高能有95%。而针对不同判别参数下所存在的错配情况,这里给出了一种基于眼分块的SIFT视频监控人脸识别改进算法。通过结合图像预处理,该算法在特征提取后按照双眼水平线将图像划分为上下两部分,然后对不同区域的关键点进行匹配,减少跨区域错误对应的情况。在SCface人脸库中加以验证,该算法能避免眼上下区域的错配,增强了算法的准确性。除此以外,为了提升识别效果,这里还提出了一种基于3D建模的SIFT单训练样本视频监控人脸识别算法。该算法先利用二维高清正面人脸来生成对应的三维人脸模型,然后再在该三维人脸空间里产生不同姿态的人脸模型,并由此获得多张相应姿态下的二维虚拟人脸图像,最后利用原始正面样本和所得到的虚拟人脸来构筑训练人脸库。该算法在SCface人脸库中进行实验验证以外,还自主建立了本实验室LABface视频监控人脸数据库对算法加以验证。实验结果表明该算法能有效地提高SIFT在视频监控环境下人脸识别的应用效果。