監(jiān)控視頻中的低分辨率人臉識(shí)別.pdf

1、生物識(shí)別技術(shù)利用人體固有特征進(jìn)行識(shí)別和鑒定，在安全性、保密性和便利性等方面都優(yōu)于傳統(tǒng)的身份識(shí)別方法。人臉識(shí)別因其具有非侵犯性、易于獲取和操作隱蔽等特點(diǎn)成為生物識(shí)別中的熱門課題，在考勤、安防、刑偵等領(lǐng)域都得到了廣泛的應(yīng)用。當(dāng)采集到的人臉處于約束狀態(tài)時(shí)，現(xiàn)有算法已經(jīng)可以取得較好的識(shí)別效果。但在監(jiān)控設(shè)備所獲取的視頻中，被采集的人臉圖像大多處于非約束狀態(tài)，從而帶來(lái)的小尺寸和低質(zhì)量問(wèn)題會(huì)降低系統(tǒng)的識(shí)別性能，相關(guān)人臉圖像的識(shí)別被稱為低分辨率人臉識(shí)別

2、。本文針對(duì)監(jiān)控視頻中的低分辨率人臉識(shí)別問(wèn)題，對(duì)人臉超分辨率重建、分辨率穩(wěn)健特征提取、分類器模型訓(xùn)練等步驟進(jìn)行了研究，主要工作如下:
　　(1)典型的基于稀疏編碼的人臉幻想算法可以獲得很好的重建效果，但是在字典訓(xùn)練階段具有較高的復(fù)雜度。為了在降低訓(xùn)練復(fù)雜度的同時(shí)得到一個(gè)更有針對(duì)性的字典，本文利用K-means++算法對(duì)圖像塊進(jìn)行字典訓(xùn)練，然后通過(guò)最小角回歸(LARS)算法計(jì)算相應(yīng)的稀疏系數(shù)進(jìn)而得到“幻想人臉”。實(shí)驗(yàn)證明，在監(jiān)控視頻中

3、人臉圖像尺寸不規(guī)律的情況下，本文算法能夠有效降低字典訓(xùn)練復(fù)雜度，重建一個(gè)細(xì)節(jié)信息更加豐富的高分辨率人臉圖像。
　　(2)傳統(tǒng)的特征提取方法在不同分辨率下的穩(wěn)健性較差，為了提高人臉特征算子在低分辨率下的描述能力，本文提出了一種多尺度分塊中心對(duì)稱局部二值模式(CS-LBP)和加權(quán)主成分分析(PCA)融合的特征提取方法。通過(guò)CS-LBP算子提取人臉圖像的局部紋理特征，通過(guò)PCA算法對(duì)高維特征進(jìn)行降維，可以得到一個(gè)分類能力更強(qiáng)、維數(shù)更低的

4、特征。實(shí)驗(yàn)結(jié)果證明，在人臉圖像分辨率降低時(shí)，本文算法所得的識(shí)別率沒(méi)有顯著下降，同時(shí)能夠減少存儲(chǔ)空間和識(shí)別時(shí)間，滿足實(shí)際應(yīng)用的要求。
　　(3)由于最近鄰分類器容易受到人臉特征中孤立點(diǎn)的影響并且需要逐個(gè)匹配，因此本文對(duì)極限學(xué)習(xí)機(jī)(ELM)進(jìn)行了研究，通過(guò)改變隱含層神經(jīng)元的個(gè)數(shù)訓(xùn)練不同的分類模型，實(shí)現(xiàn)對(duì)低分辨率人臉圖像的匹配識(shí)別。在進(jìn)一步的實(shí)驗(yàn)過(guò)程中，本文針對(duì)實(shí)驗(yàn)室的監(jiān)控?cái)z像頭搭建了一個(gè)系統(tǒng)平臺(tái)，通過(guò)對(duì)平臺(tái)的操作可以實(shí)現(xiàn)對(duì)實(shí)驗(yàn)室人員的