论文部分内容阅读
计算机性能的不断提升和网络的广泛普及使得多媒体视频的应用得到了快速发展,越来越多的记录都采用视频方式保存。在追求高效率的现代社会中,急需解决的主要问题是从大量的视频数据中快速高效地搜索出所需信息,从而提高工作效率。针对这一问题,近几年相关领域的研究学者提出了基于内容的视频分析和检索技术,并成为多媒体检索领域中的热点研究课题。基于内容的视频检索技术包含许多分支和应用,其中一个重要的应用就是视频中的人脸检索,这项技术的研究推动了人脸识别和视频检索领域的发展。本文分析研究了视频中人脸检索的相关技术,使用AdaBoost方法完成了待检测图像和视频关键帧中的人脸检测工作,提出奇异值分解融合改进PCA的方法(SVD combined with improved PCA, SPCA+)用于待检测视频片段中目标人脸的检索,并完成了视频人脸检索系统的整体框架和各模块的设计以及具体实现。本文的主要研究工作如下：(1)综述了视频人脸检索技术的国内外研究现状,归纳出了视频人脸检索技术中存在的问题。(2)分析了视频人脸检索的过程,提出视频人脸检索系统的框架,并且系统地探讨了视频人脸检索的相关技术。其中,对于人脸检测模块,本文深入研究了AdaBoost算法,并将其用于人脸检测模块的开发中,通过实验表明该方法在视频人脸检索系统中是可行性的。(3)针对传统PCA算法在视频人脸检索方面的不足和缺陷,提出一种奇异值分解融合改进PCA的方法(SPCA+),并将其用于视频人脸检索系统的人脸识别模块的开发。SPCA+方法使用奇异值分解解决了视频人脸检索中遇到的单样本人脸识别问题,另外它使用融合局部均值和标准差的图像增强处理使PCA算法在进行人脸识别时不易受光照条件的影响,完成了对PCA算法的改进。(4)设计并实现了一个视频人脸检索系统。首先通过AdaBoost算法完成待检测人脸图像和视频中的人脸检测,然后使用SPCA+方法完成视频中的人脸检索,最后计算人脸特征之间的距离,完成特征的匹配工作,对视频中的人脸进行判断识别并输出人脸检索结果。(5)根据视频的复杂程度选取具有代表性的视频片段对视频人脸检索系统进行了实验。实验结果表明,本文提出的SPCA+方法可用于视频中的人脸检索,并且本文的视频人脸检索系统在简单视频环境下可以较准确地检索出目标人脸。