基于圖像融合的視頻人臉識(shí)別算法就相關(guān)指標(biāo)

　　人臉識(shí)別是生物特征識(shí)別領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)，長(zhǎng)期以來(lái)得到研究者的廣泛關(guān)注。視頻人臉識(shí)別任務(wù)特指從一段視頻中提取出人臉的關(guān)鍵信息，從而完成身份識(shí)別。相較于基于圖像的人臉識(shí)別任務(wù)來(lái)說(shuō)，視頻數(shù)據(jù)中的人臉變化模式更為多樣且視頻幀之間存在較大差異，如何從冗長(zhǎng)而復(fù)雜的視頻中抽取到亼臉的關(guān)鍵特征成為當(dāng)前的硏究重點(diǎn)。以視頻人臉識(shí)別技術(shù)為研究對(duì)象，首先介紹了該技術(shù)的研究?jī)r(jià)值和存在的挑戰(zhàn);接著對(duì)當(dāng)前硏究工作的發(fā)展脈絡(luò)進(jìn)行了系統(tǒng)的梳理，依據(jù)建模方式將傳統(tǒng)基于圖像集合建模的方法分為線性子空間建模、仿射子空間建模、非線性流形建模、統(tǒng)計(jì)建模四大類，同時(shí)對(duì)深度學(xué)習(xí)背景下基于圖像融合的方法進(jìn)行了介紹;另外對(duì)現(xiàn)有視頻人臉識(shí)別數(shù)據(jù)集進(jìn)行分類整理并簡(jiǎn)要介紹了常用的評(píng)價(jià)指標(biāo);最后分別采用灰度特征和深度特征在YTC數(shù)據(jù)集及BA數(shù)據(jù)集上對(duì)代表性工作進(jìn)行評(píng)測(cè)。實(shí)驗(yàn)結(jié)果表明：神經(jīng)網(wǎng)絡(luò)可以從大規(guī)模數(shù)據(jù)中提取到魯棒的視頻幀特征，從而帶來(lái)識(shí)別性能的大幅提升，而有效的視頻欻據(jù)建模能夠挖掘?qū)缛四槤撛诘淖兓Ｊ?，從視頻序列包含的大量樣本中找到更具判別力的關(guān)鍵信息，排除噪聲樣本的干擾，因此基于視頻的人臉識(shí)別具有廣泛的通用性和實(shí)用價(jià)值。