復(fù)雜背景下人臉檢測(cè)與跟蹤系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、人臉檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向。隨著計(jì)算機(jī)科學(xué)和圖像處理技術(shù)的飛速發(fā)展，人臉檢測(cè)與跟蹤在人機(jī)交互、智能監(jiān)控、司法鑒定、視頻會(huì)議等方面有著廣泛的應(yīng)用前景。同時(shí)，由于人臉容易受到光照、復(fù)雜背景、姿態(tài)、表情等因素的影響，這給人臉檢測(cè)與跟蹤帶來(lái)了困難，因此如何高效、實(shí)時(shí)地檢測(cè)與跟蹤復(fù)雜條件下的人臉仍然是一個(gè)非常具有難度的課題。
　　 本文分析總結(jié)了近年來(lái)國(guó)內(nèi)外人臉檢測(cè)與跟蹤的相關(guān)理論和研究成果，針對(duì)人臉檢測(cè)與跟蹤的精確性、

2、實(shí)時(shí)性等關(guān)鍵問(wèn)題進(jìn)行了理論研究和實(shí)驗(yàn)，重點(diǎn)研究了復(fù)雜背景下的基于Adaboost算法的多種姿態(tài)人臉檢測(cè)系統(tǒng)和基于改進(jìn)Camshift算法的自動(dòng)多人臉跟蹤系統(tǒng)。本文的工作和創(chuàng)新點(diǎn)如下:
　　 1.詳細(xì)闡述了基于AdaBoost算法的正面人臉檢測(cè)，介紹了Haar-like特征、積分圖以及級(jí)聯(lián)分類器的構(gòu)建和訓(xùn)練。介紹了正面人臉檢測(cè)的整個(gè)流程，并用C語(yǔ)言編寫了檢測(cè)程序，最后在PC平臺(tái)上從光照、距離、背景等多個(gè)方面對(duì)檢測(cè)程序進(jìn)行了性能評(píng)估

3、。
　　 2.系統(tǒng)研究了多種姿態(tài)的人臉檢測(cè)方法。對(duì)于平面外旋轉(zhuǎn)人臉的檢測(cè)，針對(duì)不同角度范圍的人臉?lè)謩e訓(xùn)練分類器，分別檢測(cè)不同角度范圍的平面外旋轉(zhuǎn)人臉;對(duì)于平面內(nèi)旋轉(zhuǎn)人臉，研究了基于旋轉(zhuǎn)的人臉檢測(cè)方法，同時(shí)提出了基于KLT角點(diǎn)檢測(cè)的平面內(nèi)旋轉(zhuǎn)人臉檢測(cè)方法。
　　 3.重點(diǎn)分析了基于顏色直方圖的Camshift人臉跟蹤算法，該算法不受目標(biāo)形狀大小的影響，實(shí)時(shí)性較好，但當(dāng)存在顏色干擾和遮擋時(shí)跟蹤效果較差，本文就該算法存在的不足

4、之處引入了人臉形態(tài)約束和Kalman濾波器，有效地解決了顏色干擾和遮擋的問(wèn)題。
　　 4.設(shè)計(jì)實(shí)現(xiàn)了基于Adaboost算法的多種姿態(tài)人臉檢測(cè)系統(tǒng)和基于改進(jìn)Camshift算法的自動(dòng)多人臉跟蹤系統(tǒng)。對(duì)于基于Adaboost算法的多種姿態(tài)人臉檢測(cè)系統(tǒng)，加入了運(yùn)動(dòng)檢測(cè)，并對(duì)算法進(jìn)行改進(jìn)，提高了人臉檢測(cè)速度;對(duì)于基于改進(jìn)Camshift算法的自動(dòng)多人臉跟蹤系統(tǒng)，加入Adaboost人臉檢測(cè)，使得系統(tǒng)可以自動(dòng)跟蹤人臉，并就人臉進(jìn)出視頻區(qū)