基于视频的人脸识别研究进展(5)

份变量（ｉｄｅｎｔｉｔｙ）和其他变化因素（姿态、光照和表情）．采用卡尔曼滤波器（Ｋａｌｍａｎｆｉｌｔｅｒ）对身份变量进行跟踪得到的稳定值就是身份稳定估计量．人脸验证就可以通过对输入人脸视频进行跟踪得到的估计量和数据库得到的身份估计量进行比较看是否大于某个阈值来实现．与基于静止图像的人脸验证方法相比，采用基于视频的人脸验证能利用更多的信息，效果更好．算法采用ＡＳＭ（Ａｃｔｉｖｅ

ＳｈａｐｅＭｏｄｅｌ）

利用矢量作为输入描述方式的基本思想是利用视频得到一个反映输入人脸视频特性（如均值人脸图像、最好的正面图像等）的特征（矢量表示），和数据库中的人脸视频描述方式进行匹配．数据库中人脸视频的描述方式可以是矢量、矩阵、概率、动态模型、流形等．

文献［３３］对数据库中的每类人脸建立一个ＰＣＡ子空间，利用与各个人脸子空间的距离对输入视频中的所有人脸进行标注．文献［３４］介绍了一种

进行人脸定位可以避免误配准带来的影响．但是一旦定位不准，则对后继的参数跟踪会产生很大的误差，导致识别率下降．并且对于达到稳定估计值需要

万方数据　

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新人文社科基于视频的人脸识别研究进展(5)全文阅读和word下载服务。