0 引言

    近年來，視頻監控領域下的人臉識別得到了廣泛關注，通過監控抓捕到犯罪嫌疑人的新聞時有出現，大大提高了案件的偵破率。但是監控拍攝到的圖像中很可能會存在遮擋，使得識別率下降，錯失抓捕嫌疑人的機會。遮擋一般分為兩種，即自然遮擋和人為偽裝^[1]。自然遮擋包括樹葉、欄桿等，人為偽裝包括帽子、墨鏡、圍巾等。通過偽裝，犯罪分子可以逃避監控的追蹤，增大了案件的偵破難度。

    針對這些問題，文獻[2]提出了一種基于遮擋模式的稀疏表示分類的方法，構建的解析詞典與測試圖像具有相同的遮擋，提高了分類性能；利用稀疏字典學習的判別性來處理人臉識別問題中的連續遮擋。文獻[3]使用Gabo小波、PCA和SVM來解決遮擋檢測問題，將人臉圖像分成兩個相等的分量，從每個分量中提取Gabor小波特征，用于降維主成分分析，最后使用局部二值模式來完成識別過程；在識別期間，權重被分配給測試圖像的每個局部區域，與給定未被遮擋的訓練示例的每個區域的可能性成比例。文獻[4]在人臉圖像的每個點上找到最大匹配區域，提取其傅里葉幅度譜作為特征，最后使用余弦相似度進行識別。但是這些方法都是針對一定類型的遮擋通過建模來完成識別的，泛化性能較差；而神經網絡能夠通過大量數據的訓練來學習到相關特征，獲得更好的識別性能，在信號調制、計算機視覺、文本分析、故障檢測等領域均有廣泛的應用^[5-8]。

文章詳細內容請下載http://www.cowatch.cn/resource/share/2000002785

作者信息:

張潤生1，2，3，賀  超1，2，3，況朝青1，2，3

(1.重慶郵電大學 通信與信息工程學院，重慶400065；2.重慶高校市級光通信與網絡重點實驗室，重慶400065；

3.泛在感知與互聯重慶市重點實驗室，重慶400065)