● 摘要
人脸的视频智能检索是视频监控技术中的重要课题，其目的在于通过视频分析，了解视频中包含的活动目标及各目标人员的活动轨迹，以人机交互形式将检索结果提交给用户。然而，监控视频具有成像环境复杂，人脸图像质量较差，姿态各异，致使各种不利于人脸分析的因素存在，仍有很多理论与技术问题需待解决问题。有鉴于此，我们主要围绕人脸检索中的聚类问题进行了研究，本文的主要工作包括：(1)在人脸检测方面，实现了经典的Adaboost人脸检测算法。(2)在质量评价方面，设计了并实现了分辨率对人脸识别率结果影响的实验。通过对实验结果的分析给出了一个置信区间，识别算法在该区间内具有较高的识别率，同时我们可以给出一个基于分辨率的质量评价准则，即在该置信区间的图像选择接受，不在该区间的图像选择丢弃。由于识别算法在70×70的分辨率下具有较高的识别率，因此在聚类前将图像归一化到70×70的分辨率下。在对人脸图像清晰度评价方面，实现了通过傅立叶变换构造清晰度描述子并结合SVM算法对人脸图像进行分类。(3)在人脸聚类方面，提出了一种基于人眼位置信息对多姿态的人脸（水平方向旋转）进行聚类的方法。对一张归一化并校准较好的图像而言，人眼的位置信息与姿态存在着一定的内在联系。因此，我们充分利用这一特点，利用Gabor滤波器对图像进行滤波，对滤波后的图像进行投影，获得人眼的坐标位置，利用肤色检测到人脸的左右边界，利用人眼中点坐标距离左右边界的比值作为特征,选取仿射传播聚类方法进行姿态聚类，该聚类方法对姿态变化有着很好的适应性,能提高人脸检索的准确率。