基于視頻的人臉檢測與識別算法研究.pdf

1、基于視頻的人臉檢測與識別算法研究是針對現(xiàn)如今大數(shù)據時代下，面對視頻流這種大數(shù)據量且非約束狀態(tài)的復雜場景下的人臉識別解決方案進行研究通過對人臉識別的三個關鍵環(huán)節(jié)：人臉檢測、關鍵特征點定位和人臉識別特征提取進行了深入的研究，主要研究內容如下：
　　1.研究基于像素差異特征的人臉檢測方法。針對復雜多變的各類非約束性的視頻場景，把像素點與像素點之間的差異特征定義為一種新的人臉檢測目標特征，利用這種像素級別的特征關聯(lián)性信息簡化特征模型，同時

2、為了進一步提高分類模型的準確性，在傳統(tǒng)單閥值分類分割的基礎上采用雙閥值決策二叉樹，利用更加高階的分類信息進行特征類別的分割，使得分類模型在能更好的處理復雜光照、多變自然場景、角度和遮擋不可控等這種非約束的自然場景。
　　2.研究基于集成回歸樹的關鍵特征點檢測。充分利用回歸樹迭代更新的屬性，同時采用梯度下降(Gradient Boosting)的方法對回歸樹進行剪枝優(yōu)化，不斷根據當前輸入的人臉特征形狀對輸出的人臉形狀進行估計分析，然

3、后通過求取每一次迭代的更新值來更新下一次迭代的人臉形狀輸入值，直到迭代結束定位到最后所需的關鍵特征點。
　　3.研究基于深度學習的人臉識別方法。通過對深度學習方法的學習研究，在相關經典的卷積神經網絡框架的基礎上，通過選取不同位置、不同尺度、以及不同的顏色通道、甚至于水平翻轉的人臉patch優(yōu)化網絡框架結構布局和各層之間的網絡參數(shù)，使得提取的特征對人臉信息具有更全面的表達能力，同時引入人臉識別和人臉驗證雙監(jiān)督信號確保人臉識別的準確性