基于視頻監(jiān)控的實(shí)時(shí)人臉檢測與跟蹤算法研究.pdf

1、人臉檢測與跟蹤技術(shù)是計(jì)算機(jī)視覺與模式識別領(lǐng)域的一個(gè)重要研究課題,在人臉識別、表情識別、視頻監(jiān)控、人機(jī)交互、醫(yī)療診斷等諸多領(lǐng)域有著廣闊的應(yīng)用前景。就視頻監(jiān)控領(lǐng)域而言,人臉檢測與跟蹤的研究大大提高了視頻監(jiān)控系統(tǒng)的智能化,使得系統(tǒng)能夠在不需要人為干預(yù)的情況下鎖定目標(biāo),實(shí)現(xiàn)對監(jiān)控場景中的目標(biāo)檢測與跟蹤,在此基礎(chǔ)上還可以實(shí)現(xiàn)一些后續(xù)操作,如運(yùn)動軌跡分析、目標(biāo)識別、報(bào)警等。本文旨在構(gòu)建一個(gè)面向人臉對象的視頻監(jiān)控系統(tǒng),在分析和討論了近年來國內(nèi)外關(guān)于人

2、臉檢測與人臉跟蹤的學(xué)術(shù)論文和研究報(bào)告的基礎(chǔ)上,以攝像機(jī)固定條件下拍攝的視頻序列為研究對象,深入研究了視頻監(jiān)控中人臉檢測與跟蹤的方法。論文的主要研究成果概括如下:
　　 (1)針對視頻圖像序列的噪聲問題,采用均值濾波算法、“參考白”算法對圖像進(jìn)行平滑處理和光照補(bǔ)償,消除了圖像中的噪聲和光照的干擾。采用均值法分離出視頻背景,利用背景減除法提取出包含人臉的運(yùn)動前景區(qū)域,去除了視頻中冗余的背景信息,提高了后續(xù)人臉檢測的速度。
　　

3、 (2)分析比較了在相同方法下不同色彩空間和膚色模型的優(yōu)缺點(diǎn),提出了一種基于改進(jìn)YCbCr模型的閾值膚色分割方法,將YCbCr色彩空間中的Cb分量用更適合描述膚色的Cg分量替代,使用閾值分割建立完整的膚色模型。實(shí)驗(yàn)表明在改進(jìn)的YCbCr色彩空間內(nèi),膚色具有更好的聚類效果,可以有效地分割出膚色區(qū)域。
　　 (3)結(jié)合(2)中的膚色分割方法,提出了一種分層過濾的人臉檢測算法,算法采用由粗到細(xì)的檢測策略:首先標(biāo)記膚色連通區(qū)域,然后根

4、據(jù)人臉面部的幾何特征,采用一些規(guī)則篩選膚色區(qū)域,初步獲得候選人臉區(qū)域,最后通過人臉模板顏色特征分布建立矩陣模板進(jìn)行模板匹配,以匹配率高低精確定位人臉位置。
　　 (4)在人臉跟蹤階段,采用CamShift跟蹤算法進(jìn)行人臉跟蹤,避免全局搜索,縮小搜索區(qū)域,提高了人臉跟蹤的速度。同時(shí),針對傳統(tǒng)CamShift跟蹤算法在實(shí)際應(yīng)用中的不足,本文引入卡爾曼濾波器,在人臉跟蹤過程中不斷更新人臉的運(yùn)動模型,有效地解決了目標(biāo)被遮擋和快速運(yùn)動問題