基于紅外跟蹤的實時人臉檢測研究.pdf

1、人臉檢測及跟蹤屬于模式識別與計算機視覺的研究領域,它作為人臉信息處理中的一項關鍵技術,其在高安全性部門的警戒,入口控制及計算機保密以及智能人機交互等領域有著廣闊的應用前景。人臉檢測通常使用以下幾種方法:基于知識的方法,基于特征的方法,模板匹配的方法和基于外觀的方法?；谥R的方法是將檢測作為一個對規(guī)則的判斷過程。這些規(guī)則是通過先驗知識獲得的。符合這些規(guī)則為候選區(qū)域,通過層層篩選檢測出人臉?；谔卣鞯姆椒ㄊ侵咐萌四樚赜械慕Y構化特征檢測出

2、人臉,結構化特征包括膚色,紋理,幾何特征等,不易受外部環(huán)境改變而改變。模板匹配的方法要先建立幾個模板,每個模板描述部分特征,匹配時用相關性函數判斷是否符合模板,這種方法對圖像約束規(guī)定較嚴格。
　　基于外觀的方法是將一系列人臉作為對象,通過學習建立類似于神經網的模型,然后利用模型判斷試驗對象。四種方法各有所長,新的算法更多的是融合了這些方法的優(yōu)點,例如很多基于膚色的算法中也加入知識和外觀等方法。上述人臉檢測技術都基于靜態(tài)人臉,但在動

3、態(tài)視頻中檢測人臉由于涉及到連續(xù)的圖像,處理的數據量過大,所以魯棒性和實時性大打折扣。本文為改善視頻人臉檢測的實時性與魯棒性提出了基于紅外跟蹤的人臉檢測新算法。本文使用的視頻圖像為紅外,彩色兩種格式。紅外視頻本身就是灰度圖序列,具有目標明顯,數據量小的優(yōu)點,同樣的算法,處理紅外視頻要比處理彩色視頻在速度上快很多。而彩色視頻圖像清晰,包含了大量的細節(jié),相比于紅外視頻在做圖像分析及進一步處理上有先天的優(yōu)勢。本文提出的算法分兩步,第一步先在紅外

4、視頻中分割出活動的人體部分。由于紅外成像中存在信噪比較低的問題,分割時先對圖像進行增強,通過對紅外圖像中人體灰度的統計學習,計算出其閾值范圍,進而在紅外視頻第一幀分割出初始人體區(qū)域,然后利用改進的菱形搜索塊匹配進行人體區(qū)域動態(tài)分割,每秒對視頻取一幀進行閾值分割以保證當新出現運動人體時,也能快速發(fā)現并實時地對其分割;第二步在彩色視頻中匹配出運動人體并檢測出人臉區(qū)域。將第一步分割出來的動態(tài)人體區(qū)域匹配到彩色視頻中,這樣就完成了對彩色視頻中運