基于視頻的人臉檢測系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、視頻人臉檢測技術(shù)受到高度關(guān)注，應(yīng)用領(lǐng)域相當(dāng)廣泛，如視頻監(jiān)控、圖像檢索、人機(jī)交互等，然而對處于不同角度的人臉的實(shí)時(shí)檢測仍然是這個領(lǐng)域中極富挑戰(zhàn)性的課題。本文研究的是視頻序列中不同角度的人臉檢測、跟蹤問題，結(jié)合預(yù)檢測與后驗(yàn)證機(jī)制，提出基于改進(jìn)的Adaboost的檢測算法；首先介紹視頻人臉檢測技術(shù)的發(fā)展和常用方法，然后闡述視頻人臉檢測系統(tǒng)原型的設(shè)計(jì)與實(shí)現(xiàn)，最后在標(biāo)準(zhǔn)人臉庫和視頻環(huán)境中測試性能、分析結(jié)果。重點(diǎn)是視頻人臉檢測系統(tǒng)的研究與實(shí)現(xiàn)，系統(tǒng)

2、分為四大模塊：運(yùn)動目標(biāo)預(yù)檢測模塊；人臉檢測模塊；人臉驗(yàn)證模塊；人臉跟蹤模塊。本文創(chuàng)新之處有三點(diǎn)：利用預(yù)檢測模塊縮小和簡化檢測范圍與環(huán)境，提高系統(tǒng)檢測速度的同時(shí)降低了誤報(bào)率；引入擴(kuò)展haar-like特征實(shí)現(xiàn)視頻中多角度檢測；結(jié)合膚色模型與樣本模板進(jìn)行人臉驗(yàn)證。
　　本研究基于背景差分的思想利用GMM模型分離背景與前景，然后借助部件連接得到興趣區(qū)域位置、大小等信息。人臉檢測模塊則利用Adaboost算法從潛在的人臉圖像區(qū)域中檢測而得

3、到候選人臉，本文重點(diǎn)在于分類器的訓(xùn)練與分析，并在此基礎(chǔ)上構(gòu)建了一個檢測器的原型，實(shí)驗(yàn)表明我們的檢測可以實(shí)現(xiàn)實(shí)時(shí)的視頻人臉檢測，可達(dá)到95.35％檢測率。人臉驗(yàn)證模塊使用一種新的驗(yàn)證機(jī)制—膚色模型與模板匹配的層疊驗(yàn)證候選人臉，首先利用基于HSV與YCbCr空間的膚色模型進(jìn)行第一層驗(yàn)證，然后使用人臉模板進(jìn)行第二層驗(yàn)證；實(shí)驗(yàn)表明結(jié)合驗(yàn)證機(jī)制的檢測器在保持原有高檢測率的基礎(chǔ)上，誤報(bào)率僅為0.48%。人臉跟蹤模塊利用高效的Camshift算法對人