动态人脸识别起源于基于静态图像的人脸识别，即识别系统自动的检测和分割出人脸，然后用基于静态图像的识别方法进行识别。这方法加入了人脸追踪。在这类系统中，通过利用姿态和从视频中估计到的深度信息合成一个虚拟的正面人脸。这个阶段的另外一个能提高识别率的方法是利用视频中充裕的帧图像，基于每帧图像的识别结果，使用 ” 投票 ” 机制。投票方法可以是确定的，但是概率投票方法一般来说更好。投票机制的一个缺点是计算结果的代价比较昂贵。

  动态人脸识别的第二阶段是利用多模态信息。因为人类一般会利用多种信息来识别人的身份，所以一个多模态系统比只利用人脸的识别系统可靠性更高。更重要的是利用多模态信息提供了一种方法，它能全面解决那些只靠人脸无法识别的任务。例如，在一个完全没有配合的环境（比如犯罪现场），歹徒的脸一般是蒙着的，这时唯一能进行无人脸识别的方法就是分析歹徒躯体的运动特性。除了指纹，人脸和声音是最常用于身份识别的信息。它们已经被用于很多多模态身份识别系统。

  近几年，动态人脸识别进入第三个发展阶段，这个阶段方法的特点是同时采用空间信息（在每帧中）和时间信息（比如人脸特征的运动轨迹）。区别于概率投票方法的一个很大的不同之处在于，此类方法是在时间和空间的联合空间中描述人脸和识别人脸的。

  视频图像的一个非常重要的特性是它的时间连续性，以及由此产生的人脸信息不稳定的动态变化。在人脸跟踪和识别中利用时间信息是动态人脸识别算法和基于静态图像的人脸识别算法的最大区别。目前这类算法大致可分为两类：

1、 跟踪捕捉后再识别，这类方法首先检测捕捉到人脸，然后跟踪人脸特征随时间的变化。当捕捉到一帧符合一定标准（大小，姿势）的图像时，用基于静态图像的人脸识别算法进行识别。这类方法中跟踪和识别是单独进行的，时间信息只在跟踪阶段用到。识别还是采用基于静态图像的方法，没用到时间信息。

2、 跟踪捕捉的同时进行识别，这类方法中，人脸跟踪和识别是同时进行的，时间信息在跟踪阶段和识别阶段都用到。

                                                                                                                                                                 (本文内容来自互联网)

[下一篇：即将推出]                        [上一篇：几种不同的人脸识别方式及其使用场景的差异]    

[查看产品：双目活体检测摄像头]    [查看产品：单目人脸识别摄像头]