人臉檢測與跟蹤算法研究.pdf

1、圖像中的人往往是整個圖像的中心，而根據(jù)人眼的視覺特性，人們通常對圖像中人的臉部區(qū)域更感興趣，因此人臉相關的圖像處理技術成為了計算機視覺中的一個非常重要的研究方向。人臉處理技術在身份驗證、人機交互接口、智能視覺監(jiān)控、基于感興趣區(qū)域ROI的編碼與傳輸、可視電話等領域有著廣泛的應用，有著廣闊的發(fā)展前景。 本文研究的目標是在人臉檢測的基礎上進行人臉跟蹤，選用快速有效的人臉檢測算法，在保證實時性的基礎上，提高人臉跟蹤的準確性。 本

2、文研究的內容主要分為三個部分：人臉可能區(qū)域的獲得，人臉檢測，人臉跟蹤。 本文采用幀間差法對視頻圖像進行運動檢測，獲得運動區(qū)域。研究了經(jīng)典的Hsu R L膚色檢測算法，在運動區(qū)域內進行膚色檢測，得到有可能存在人臉的區(qū)域，以減少后續(xù)人臉檢測的范圍，提高檢測速度。 對可能存在人臉的區(qū)域進行人臉檢測，本文深入研究了經(jīng)典的Adaboost人臉檢測算法，同時針對Adaboost經(jīng)典算法對人一定角度的側臉檢測率不高的問題，本文分析了人

3、側臉的五官結構在透視情況下的特性，改進了傳統(tǒng)的Harr-like特征，得到一系列具有透視特性的進行側臉檢測的特征，將這些側臉特征與傳統(tǒng)的Harr-like特征一起構成新的特征庫，用Adaboost算法構建分類器級聯(lián)結構。通過實驗證明，在針對側臉情況下進行人臉檢測時結合使用本文的特征具有較好的效果。 本文通過對馬賽克圖像法的研究提出了針對多尺度五官結構的正面人臉模板，并且根據(jù)透視原理提出了側面人臉模板。利用這些模板來限定Adabo

4、ost人臉檢測法中傳統(tǒng)的Harr-like特征與側臉特征的空間位置大小關系，整合了特征，組合成強分類器。使用該強分類器對符合人臉模板的典型人臉進行檢測時具有較快的檢測速度，與用Adboost算法構成的分類器級聯(lián)結構結合起來進行人臉檢測。實驗證明，運用本文方法進行人臉檢測具有較好的實用性。 把檢測到的人臉作為目標進行跟蹤，本文采用Kalman濾波預測人臉運動區(qū)域，并使用計算圖像間的協(xié)方差值來判定圖像相似度的模板匹配法來進行人臉目標