● 摘要
基于人脸图像的身份识别一直是近年来的研究热点之一，它包括基于2D静态图像，3D人脸模型，以及动态视频的识别。随着人脸识别算法的不断发展，它在身份鉴别方面取得了成功应用。然而，人脸识别系统的可靠性会由于表情、年龄等内部因素以及光照、姿态、遮挡等外部因素对样本产生的影响而迅速下降；对于视频来说，特别是较低分辨率的视频序列，姿态和光照的变化所产生的影响尤为突出。
在过去的时间里，二维人脸识别的性能突飞猛，然而视频里的人脸识别仍旧是一项挑战。为了区分视频中不同人脸样本之间的差异，同时克服上述的变化因素，本文提出了一种基于Multi-scale Gabor Volume using Local Binary Pattern Recognition on Three Orthogonal Planes (GV-Ms-LBP-TOP) 的方法用于视频里的人脸识别。该方法首先对视频帧序列进行人脸检测，然后在检测到的人脸区域上提取Gabor特征，因此对于每段视频都可以得到相应的Gabor Volume；接下来，三正交面上的局部二值模式直方图 (LBP-TOP)被应用在不同半径邻域内的Gabor Volume上，来进一步强化局部动态特征，并被表示成直方图用于最终分类。
本文主要完成工作如下：
1）本文对现有的基于静态图像和视频的人脸识别方法进行了综述；
2）本文提出了GV-Ms-LBP-TOP方法描述视频的局部动态特征，它能够较好的刻画视频中人脸特异性静态和动态变化；
3）我们在YouTube数据库上对该方法进行了测试，结果表明了该方法的有效性。