人脸图像优选对智能监控系统中的人脸识别有着重要的意义。针对在视频中多人脸跟踪时出现跟丢、跟错以及无法及时添加、取消跟踪器等难以处理的问题,本文提出用人脸聚类代替人脸跟踪获取同一人脸图像,并构造出一种人脸图像质量的综合评价指标来从大量的多姿态人脸图像中选出一张人脸姿态和图像质量较好的人脸图像。首先对视频中的行人进行人脸检测,然后采用残差网络提取人脸面部特征进行人脸聚类,最后定义了人脸旋转程度、人眼状态、人脸遮挡程度、人脸图像清晰度4个评价指标,并将聚类后每一类人脸图像在4个评价指标上归一化均值作为各评价指标的权重系数,从而构造出一种人脸图像质量的综合评价指标,以此进行人脸图像优选。实验结果表明,人脸聚类能够有效获取到视频中同一人的人脸图像,所构造的人脸图像质量综合评价指标能有效获取到视频中的同一人的较优人脸图像。

提出了一种在复杂环境中车辆检测与跟踪方法。该方法首先分析车辆的外形特点，确定采用从Blob块提取的几何形状参数作为车辆的特征并用于运动车辆的检测; 然后结合Blob分析和CamShift算法提出了车辆跟踪方法。实验结果表明，本文采用的车辆特征参数能够准确地检测车辆，并能准确地区分车辆和行人群体，车辆检测与跟踪准确率分别达到了96.7%和86.7%，证明该方法适用于复杂环境下车辆的检测与跟踪应用要求。