随着全球犯罪和恐怖活动以及政治风险的日益增加,智能视频监控越来越受到人们的日益重视,其中,远程视频流体人体身份高效感知与识别是实现智能视频监控的关键。针对目前远程视频流体人体身份高效感知与识别存在的相关问题与不足,开展远程视频流体智能感知相关关键理论与方法研究十分必要与重要。论文在广泛阅读与调研国内外相关研究的基础上,对远程视频流体智能感知中的相关关键理论与方法进行了深入研究。论文贡献与创新主要体现在如下方面:(1)提出了一种新颖的基于椭圆模型复杂场景视频高效人头检测方法。分别采用一个粒子滤波器跟踪视频中的每一人头,并基于人头的外观模型,采用融合色彩直方图和方向梯度直方图混合模型,对视频每一帧图像进行更新;通过基于人头外形的椭圆建模,自适应确定人头的大致椭圆形轮廓,实现不论人头处于何种姿态下的稳定检测;同时,基于期望最大化检测和跟踪的联合机制,实现恢复丢失漏检人头和压制错误误检人头的高效检测与确认。通过实验对比与验证,结果表明所提方法具有强的鲁棒性。(2)提出了基于Schatten仿射p范数最小化非线性单侧不等式约束的人头检测新方法。通过将单向不等式约束条件转化为相应的损失函数,使目标能量函数仍然为凸函数,从而经一种更加一般的形式获取全局最优解,克服目前只能通过能量函数优化过程而取得对样本数据在一定程度上达到降噪效果的迹范数最小化,以及基于数据集为线性假设的局限性。通过与同类方法的实验对比与验证,结果表明,所提方法在实时检测复杂视频场景中的人头目标时,具有强的适应性和高效的人头检测率。(3)提出了基于拉普拉斯哈希中间处理级联架构的快速视频人头检测方法。基于局部敏感哈希松驰要求,当两个数据点接近时,其落在同一个哈希桶中的概率应尽可能高,以忽视不同标号样本放入同一个哈希桶中所导致的副作用,构建拉普拉斯哈希,从而可结合任意核函数以及“相似”或“不相似”的弱监督信息,实现级联架构下的快速视频人头检测与定位。实验结果表明,所提方法不仅可大幅提升计算效率,且可在有限的计算成本内处理大规模训练测试集。(4)提出了基于多子空间线性判别分析人脸识别方法。通过对不同样本类分别采用不同的降维投影,有机融合线性判别和迹比值线性判别分析法,获取相应的多子空间的目标函数,实现基于样本类自适应特征选择的视频人体身份识别。实验结果表明,所提方法在识别性能上不仅超越了基于比值迹或单子空间方法,且随着类数量的增加而愈加突显。(5)提出了基于L0范数最小化矩阵填充的视频人脸识别方法。依据一般性松弛等式条件,将基于L0范数的矩阵填充问题的损失函数,转化为全部由损失函数组成的目标能量函数,从而将目标函数中的决策变量,不仅可直接通过枚举矩阵的秩实现L0范数最小化,且目标函数的局部最小值,也可通过不动点连续方法有效获取。通过与同类方法在相同条件下的实验对比与验证,结果表明,所提方法具有强的鲁棒性。(6)提出了一种新颖的基于非均匀一维尺子模型人脸识别方法。基于简单、直观的非均匀一维尺子模型,通过凸二次规划方法,获取全局最优解;基于非均匀一维尺子模型,通过对人脸特征样本的重新投影,使人脸特征在样本空间中更加紧凑。实验结果表明,所提方法不仅有助于提升训练学习算法的非线性性能,而且可在多角度和光照变化的环境下提升人脸识别性能。