基于OpenCV的人臉檢測識別及跟蹤的研究.pdf

1、人臉檢測定位與跟蹤是計算機視覺與模式識別領域中重要的基礎研究課題，在基于內(nèi)容的圖像與視頻檢索、視頻監(jiān)控、自動人臉識別以及智能人機交互等方面有著重要的應用價值。 本文闡述了國內(nèi)外人臉識別技術研究也應用的發(fā)展現(xiàn)狀，介紹了常見的人臉檢測識別方法，重點分析了集成機器學習的一個重要機制：多個弱分類器集成的方法，機器學習中的弱學習到強學習，集成的關鍵是投票，最簡單的方法是“絕對多數(shù)”的方法。在本文中著重討論了Viola等提出的基于AdaBo

2、ost的實時人臉檢測算法，該方法使用了Harr—like特征表示圖像，引入了“積分圖”概念，提高了特征的計算速度，采用AdaBoost方法選擇少量特征組成強分類器，使用了“Cascade”策略提高人臉檢測速度，取得較好檢測性能。文中還詳細闡述了當今國內(nèi)外流行的人臉跟蹤算法，并且討論了各算法的優(yōu)缺點，最后基于Meanshift跟蹤算法，并以卡爾曼濾波器作為目標估計方法，實現(xiàn)了視頻中人臉的跟蹤。 本文還改進了Meanshift的人臉

3、跟蹤算法，在該算法引入自適應跟蹤窗口，使其夠連續(xù)準確地對目標進行跟蹤，制作了訓練系統(tǒng)框架，討論了跟蹤窗口的建立與管理，多目標的序貫跟蹤，目標的對應問題，及目標隊列的更新，并對比了不同人臉檢測方法使用的樣本集規(guī)模，在文中詳細介紹了Adaboost分類器的訓練原理及方法，訓練分類器的詳細設計過程并給出訓練程序的代碼。 本文中人臉算法的研究是基于OpenCV開源代碼的。在OpenCV開源代碼中設計了一些基礎的數(shù)據(jù)類型和一些幫助數(shù)據(jù)類型