基于弹性图匹配实时视频流人脸识别1.PDF

基于弹性图匹配的实时视频流人脸识别1 薛理立，艾海舟 清华大学计算机科学与技术系，智能技术与系统国家重点实验室，北京 100084 E-mail: xuell00@mails.tsinghua.edu.cn 摘要 本文研究了基于弹性图匹配方法的实时视频流人脸识别问题。首先，不同于以往手工选 取特征点的方式，我们通过特征点的筛选与排序算法，自动选取特征点并赋予相应的权值。 通过分析自动选取的特征点与通常凭经验手工选取的特征点的异同，纠正了以往对特征点选 取的经验认识。其次，从提高系统鲁棒性出发，讨论了在光照不均匀，有遮挡，或有比较大 的局部变形的情况下的共同表现，在此基础上定义了一种统一处理这三种情况的新的图像相 似函数，将失败的特征点排除在相似度量之外，从而有效地扩大了类间距离，提高了人脸识 别的鲁棒性。最后，从提高系统速度出发，在人脸定位和配准阶段不采用弹性图匹配算法而 采用AdaBoost 和Simple DAM 算法对人脸进行定位和配准，并通过特征点的筛选，充分利 用视频流的特点压缩特征点个数，显著地提高了人脸识别的速度。在50 人的视频库上的实 验表明，方法是可行的。 关键词：人脸识别，弹性图匹配算法，Gabor 小波，特征筛选，特征排序 文章编号：文献标识码：A 中图分类号：TP391.4 Real-Time Face Recognition Based on Elastic Graph Matching in Videos Lili Xue, Haizhou Ai (Dept of Computer Science and Technology, Tsinghua University State Key Laboratory of Intelligent Technology and Systems, Beijing 100084, China) Abstract This paper deals with the problem of face recognition from video streams based on Elastic Graph Matching (EGM) method. First, instead of manually selecting the feature points as in previous methods, they are automatically selected through feature selection and feature ordering algorithm and correspondingly weighted. Comparing the auto selected feature points with those manually selected from experiences, traditional empirical understanding for feature point selection 1本研究受到“863”高技术发展计划(863-805-512-980511)资助。 薛理立, 清华大学计算机系硕士研究生，主要研究方向：计算机视觉，人脸识别。 艾海舟，清华大学计算机系副教授。研究方向为计算机视觉、模式识别。 1 is corrected. Second, in order to enhance the robustness of the system, the common behavior of the system under uneven illumination, occlusion or remarkable local distortion situation is discussed, based on wh