視頻中人臉檢測與跟蹤技術研究.pdf

1、本文主要研究了人臉檢測與跟蹤問題。人臉檢測與跟蹤技術是計算機視覺中的關鍵技術。計算機視覺中的人臉信息圖像處理領域包括人臉識別、姿態(tài)估計、表情識別、視頻監(jiān)控等多個研究方向,所有這些方向都涉及到人臉的檢測與跟蹤問題。本文分析了近年來國內外大量的關于人臉檢測與跟蹤的學術研究成果,在前人提出的一些經典算法基礎上,對如何建立高效的自動人臉檢測和跟蹤系統(tǒng)進行了深入的研究,對一些算法做了關鍵性的改進,提高了系統(tǒng)檢測和跟蹤的性能。本文的主要工作如下:<

2、br>　　 在人臉檢測方面,本文采用了基于AdaBoost的人臉檢測算法,基于AdaBoost的人臉檢測是從一個較大的特征集中選取少量關鍵的haar-Iike矩形特征,通過這些矩形特征訓練若干個弱分類器來產生一個高效的強分類器,再將若干強分類器級聯(lián)成為一個更加復雜的分類器,最后通過該級聯(lián)分類器實現(xiàn)人臉的檢測。通過它可以檢測多種格式的正面正直人臉圖像,檢測速度快,實時性好,檢測率高。本文將混合高斯模型的運動區(qū)域檢測方法運用到人臉檢測中,

3、在對每幀圖像進行人臉檢測前先進行運動區(qū)域的檢測,這樣就縮小了可能存在人臉的區(qū)域范圍,然后在檢測到的運動區(qū)域和上一幀人臉所在區(qū)域(如果人臉沒有明顯的位移)再運用AdaBoost人臉檢測方法,從而既提高了系統(tǒng)的檢測速度,又降低了系統(tǒng)的誤檢率。
　　 在人臉跟蹤方面,本文主要研究了兩點:一是結合Kalman運動預測實現(xiàn)CamShift算法的人臉跟蹤；二是圖像金字塔技術與Lucas-Kanade光流法相結合的人臉跟蹤算法。在前者中首先用