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。

利用传统的洛伦兹线型拟合来进行布里渊散射谱特征提取是一种普遍使用的方法, 其测量结果的准确度容易受噪声含量、扫频谱型和拟合算法的影响。不仅如此, 这种方法需要反复迭代求出参数向量的最小二乘解, 实时性较差。针对该情况提出的互相关卷积与高阶质心结合算法能有效提取布里渊频移, 具有极短的测量时间, 但扫频数据服从洛伦兹分布的程度直接影响了计算结果的准确度, 因此提出了二维小波阈值去噪方案, 并运用综合评价指标计算与拐点定位进行最优参量选取, 得到了一组最佳的降噪参量, 如此能有效提高测量结果的精准性。