視頻序列中人物身份識(shí)別研究.pdf

1、近年來，隨著信號(hào)處理理論和計(jì)算機(jī)的發(fā)展，人們開始用攝像機(jī)獲得周圍環(huán)境圖像并將其轉(zhuǎn)換成數(shù)字信號(hào)，用計(jì)算機(jī)實(shí)現(xiàn)對(duì)視覺信息的處理，這就形成了計(jì)算機(jī)視覺這門學(xué)科。成像在視網(wǎng)膜上的圖像信息是人類視覺系統(tǒng)工作的基礎(chǔ)，因此計(jì)算機(jī)視覺的發(fā)展必然以人類視覺系統(tǒng)的能力為參照。人類視覺系統(tǒng)的一個(gè)基本任務(wù)是識(shí)別人類、物體及其相互之間的空間關(guān)系。計(jì)算機(jī)視覺研究者也有著相似的目標(biāo)，那就是研究在場(chǎng)景中定位和識(shí)別目標(biāo)的方法。在該領(lǐng)域研究中，對(duì)人的定位和識(shí)別由于其巨大應(yīng)

2、用價(jià)值，受到了廣泛的關(guān)注。在本論文中介紹了相關(guān)的前沿技術(shù)，并描述了筆者在此領(lǐng)域中的研究工作。本文特別將人物的識(shí)別問題分為兩部分——人臉識(shí)別和步態(tài)識(shí)別。
　　 識(shí)別系統(tǒng)的初始輸入為視頻序列(單一圖像是其中的特例)。由于采集視頻的條件不同，圖像的分辨率不同，識(shí)別性能也會(huì)有差別。就目前的技術(shù)而言，人臉識(shí)別的精度往往高于步態(tài)識(shí)別，但是前者對(duì)視頻分辨率的要求較高，而且在每一幀圖像中人臉區(qū)域大小有所限制。而步態(tài)識(shí)別能夠使用低分辨率數(shù)據(jù)提取身

3、體各部分的運(yùn)動(dòng)信息，達(dá)到魯棒的識(shí)別效果。換句話說，能夠使得步態(tài)識(shí)別達(dá)到較好性能的視頻數(shù)據(jù)，其分辨率往往不需要達(dá)到人臉識(shí)別的要求。因此將兩者結(jié)合起來能滿足不同環(huán)境下的需要，對(duì)解決視頻序列中人物身份識(shí)別這一難題有很強(qiáng)的應(yīng)用價(jià)值。本文的主要研究成果如下：
　　 非限制條件下的人臉識(shí)別是人臉識(shí)別領(lǐng)域的一個(gè)難點(diǎn)。針對(duì)人臉姿態(tài)變化問題，本文提出了一種自動(dòng)的3D人臉重建方法，利用ASM模型進(jìn)行自動(dòng)人臉標(biāo)注，結(jié)合Candide三維人臉模型完成人

4、臉的重建。針對(duì)光照變化問題，提出了一種位平面加權(quán)融合的策略，將人臉圖片進(jìn)行位平面分解，并進(jìn)行加權(quán)融合。分析和實(shí)驗(yàn)結(jié)果表明，本文提出的策略適合多角度不同光照下的人臉識(shí)別。
　　 視頻中的人臉識(shí)別技術(shù)是近年來的一個(gè)研究重點(diǎn)，相對(duì)于基于靜態(tài)圖片的人臉識(shí)別，視頻人臉識(shí)別擁有豐富的時(shí)序特征，因此識(shí)別性能更加可靠。本文提出了一種基于HMM的視頻人臉識(shí)別算法，利用視頻序列的連續(xù)性和對(duì)大量訓(xùn)練樣本的統(tǒng)計(jì)分析來提高在無(wú)約束環(huán)境下判別分析方法的魯棒

5、性。實(shí)驗(yàn)表明，該方法可以有效地提高識(shí)別算法對(duì)姿態(tài)和光照變化的魯棒性，提高識(shí)別率。
　　 人體側(cè)影分割的質(zhì)量對(duì)步態(tài)識(shí)別的性能有直接的影響。本文提出了一種魯棒性的步態(tài)識(shí)別方法，利用光流特征提取視頻中的運(yùn)動(dòng)信息，并將人體區(qū)域按人體結(jié)構(gòu)特點(diǎn)劃分為多個(gè)子區(qū)域，然后對(duì)每個(gè)子區(qū)域進(jìn)行橢圓擬合建立人體結(jié)構(gòu)模型。識(shí)別階段提取模型參數(shù)作為步態(tài)特征，結(jié)合動(dòng)態(tài)時(shí)間規(guī)整技術(shù)解決了動(dòng)態(tài)模式的相似度量和匹配問題。實(shí)驗(yàn)表明，該算法可以有效地提高識(shí)別算法的魯棒性