13、远距离视频中面部图像的超分辨率技术

远距离视频中面部图像的超分辨率技术

1. 引言

在监控系统、信息安全和访问控制等领域，人脸识别和身份识别越来越受到关注。然而，由于物体与相机之间的距离较远，视频质量通常较低，面部图像也较小。低分辨率成为基于视频的人脸识别的一大挑战。为了解决这一问题，本文将探讨远距离视频中面部图像的超分辨率问题，具体包括正面人脸的闭环超分辨率、带有面部表情的正面人脸超分辨率以及侧面人脸图像的超分辨率。

2. 闭环超分辨率面部图像

2.1 相关工作

过去几十年，许多研究人员对视频中多图像的超分辨率进行了研究。超分辨率的概念最早由 Huang 和 Tsai 提出，他们使用频域方法从多个下采样平移图像中重建一个图像。Schultz 和 Stevenson 使用 Huber - Markov - Gibbs 模型来保留边缘并实现全局平滑约束。投影到凸集（POCS）方法也是解决超分辨率重建问题的一种途径，它通过在定义良好的向量空间内找到约束集的交集来估计超分辨率图像。Irani 和 Peleg 提出的迭代反投影（IBP）方法，通过反投影模拟低分辨率图像与观察到的低分辨率图像之间的误差来更新超分辨率重建的估计。

在超分辨率文献中，专注于面部图像超分辨率的方法较少。Baker 和 Kanade 提出了基于学习的超分辨率算法，后续的一些方法也多是基于学习的，需要一定数量的训练人脸，并且假设在应用超分辨率方法之前已经完成了对齐，但准确对齐是超分辨率技术的关键步骤。

2.2 技术方法

我们提出了一个框架，用于在不断变化的光照和姿态下逐步超分辨率面部视频。与传统方法不同，我们整合低分辨率（LR）帧的空间和时间信息，以优化整个视频