基于約束稀疏表達(dá)的視頻人臉聚類.pdf

1、隨著信息技術(shù)的不斷發(fā)展，產(chǎn)生了大量的視頻數(shù)據(jù)。視頻數(shù)據(jù)在時間上的連續(xù)性，使得其比文本、圖像等數(shù)據(jù)蘊含有更多的信息。因此視頻處理技術(shù)受到廣泛的關(guān)注。此外，視頻數(shù)據(jù)量較大，從視頻中高效的提取出信息成為一個具有挑戰(zhàn)性的課題，并具有深遠(yuǎn)的理論研究意義。
　　作為視頻處理技術(shù)中的一個重要的方向，視頻人臉聚類技術(shù)有著廣泛的應(yīng)用，例如基于內(nèi)容的檢索、自動確定電影演員表和快速瀏覽與組織視頻等。傳統(tǒng)的視頻人臉聚類是基于圖片的聚類技術(shù)，只利用人臉的視

2、覺特征來區(qū)分不同的人物。在視頻中，由于人臉圖片的角度、光線、表情、遮擋等問題的出現(xiàn)，使得只依靠視覺特征對人臉聚類的效果不甚理想。本文利用視頻在時間上連續(xù)的特性，首先提取出一些人臉之間關(guān)系的先驗信息，之后利用這些信息來增強聚類的效果。在視頻中，有兩種固有的先驗信息，人臉Track內(nèi)部的和人臉Track之間的，這兩種信息分別看做是must-link和cannot-link約束。具體的來說，must-link約束信息來自 Track內(nèi)部；ca

3、nnot-link約束信息來自兩個相互交疊的 Track，其中Track內(nèi)部之間有出現(xiàn)在同一視頻幀內(nèi)的人臉。利用這些先驗信息，本文提出了一種基于約束稀疏表達(dá)的視頻人臉聚類（CS-VFC）方法。CS-VFC算法在聚類的兩個階段利用約束信息，包括表達(dá)階段和聚類階段。在表達(dá)階段，本文使用約束的稀疏表達(dá)技術(shù)來獲得人臉之間的關(guān)系。利用上述的約束信息，使稀疏表達(dá)更注重探索未知人臉之間的關(guān)系，從而獲得更準(zhǔn)確的人臉之間關(guān)系的表達(dá)。在譜聚類階段，我們使用