● 摘要
近30年来人脸识别技术取得很大的进展。但是由于自身的复杂性，仍有很多关键性问题有待解决。本文针对视频中的人脸识别问题，提出一种基于密度聚类的方法，并构建原型系统进行验证。本文采用理论研究与实验研究相结合的方法，在人脸检测过程中，主要研究了AdaBoost系列算法，并采用“积分图像”的改进算法进行实验。在人脸特征提取及识别过程中，对传统的PCA算法进行相关的实验，重点研究识别率与PCA主分量以及分类器距离函数选取的关系。针对视频序列的特点，提出通过密度聚类消除光照、姿态对于人脸识别的影响的思路。使用DBSCAN算法，研究该算法的优缺点，基于已有的研究提出改进算法，并用于人脸识别。基于提出的算法，设计实现视频人脸识别系统，并进行验证。研究结果表明所选取的人脸检测算法能够快速计算出检测器所使用的特征，而且对人脸图像的角度、光照有很好的鲁棒性。人脸特征提取的PCA算法中主分量的选择会对识别率造成影响。在一定范围内，识别率随着主分量增加而增加。但是，当主分量超过该范围后，识别率的变化不大。而分类器中距离函数的选择对实验结果影响较小。本文最后给出了一个视频人脸识别系统，经验证，该系统能够取得理想的识别率和较低的误识率。