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。

交通场景的显著目标检测能够为自动决策或辅助驾驶系统提供重要信息。基于视觉的底层特性, 提出了一种基于亮度空间和对立颜色空间的多特征空间奇异值分解的交通场景显著性区域快速检测方法, 为交通标志检测和场景语义分析提供有效信息。首先, 在亮度空间中, 利用奇异值分解确定强光区域并进行强光抑制, 检测抑制强光后的亮度特征显著性区域; 其次, 在双对立颜色空间中保留部分奇异值重构的区域作为颜色特征显著性区域; 最后, 对各个特征空间的显著性区域进行线性相加并将相加结果中的显著性区域作为交通场景目标检测的候选区域。实验结果表明, 算法在复杂光照和背景下具有较好的稳健性。