题目：视频人脸识别方法研究

随着生物特征识别技术的发展，人脸识别因为其非接触性以及成本低廉的特点得到了不断发展，尽管视频人脸识别系统取得了较大的进步并且部分已经取得了市场化的应用，但是在线视频人脸识别和离线视频人脸识别这两个方面依然存在着研究和应用的问题，本文对视频人脸识别在在线识别和离线识别方面所面临的问题进行了深入的研究，
本文的贡献如下：
（1） 针对在线视频人脸识别系统的活体检测问题提出了一种基于反射模型的视频人脸活体检测方法。并且根据实时处理需求，提出了一种基于先验知识与反射模型的视频人脸活体检测方法。一定程度上解决了实时视频人脸活体检测的问题，提高了视频人脸系统的安全性和鲁棒性；
（2） 综合考虑在线视频人脸识别的鲁棒性与实时性要求，本文提出了两种基于稀疏匹配的人脸局部特征，分别是color-hSURF 和gradient-hSURF。经过实验表明，该特征对人脸表情变化、光照变化、部分遮挡等问题具有很好的鲁棒性，同时兼顾了实时性的处理要求；
（3） 针对在线视频人脸识别所面临的效率问题，在训练样本不充足的情况下，提出了一种基于时空信息的人脸识别框架，对于识别效果很好的提升，在监控视频环境中也能取得令人满意的结果；同时分析了在训练样本充足的情况，提出了一种融合多图集的基于时空信息的视频人脸识别方法。实验表明该方法能够有效利用训练样本，识别性能良好；
（4） 分析了离线视频人脸识别系统需要对海量监控视频进行智能分析的需求，提出了一种融合了多姿态的Adaboost 人脸检测和基于肤色模型的人脸过滤的人脸检测方法。同时将大段的监控视频采用分而治之的方法分为小片段，为基于监控视频的智能检索做准备。
（5） 在离线视频人脸识别系统的智能检索方面，提出了一种基于自适应聚类的视频人脸典型帧提取方法。经实验表明，能够达到聚类的类别数和视频中实际存在的人数一致，并且该算法已经获得成功的应用。