视频自动人脸识别

本工作的目标是在真实、无约束的环境下自动识别视频序列中的人脸，该环境具有极端且剧烈变化的光照条件、广泛变化的视角与用户运动模式，以及低质量的视频输入。研究的核心是人脸外观流形：本文在人脸识别领域对流形的理解与应用取得了显著进展。两项主要贡献分别是通用形状 - 光照流形识别算法和各向异性流形空间聚类。通用形状 - 光照流形在真实世界条件下获取的大规模数据语料上进行了评估，其性能显示远超文献中的最先进方法及表现最佳的商业软件。此外，还描述了对一部流行情景喜剧进行的各向异性流形空间聚类的实证评估，并取得了优异的初步结果。