復雜環(huán)境下人臉跟蹤算法的研究.pdf

1、使用跟蹤算法替代人工在監(jiān)控系統(tǒng)充當“觀察者”的角色，其穩(wěn)定性以及效率相對較高，具有一定的經(jīng)濟和社會價值，因此跟蹤算法的研究一直是目標跟蹤領域的熱點研究問題。
　　在實際應用中，監(jiān)控應用場合的多樣性及復雜性,決定了跟蹤算法不能在各個場合中廣泛使用。為保證跟蹤效果，算法需要做出相應改進，而選擇計算復雜度較低的跟蹤算法，可達到節(jié)約系統(tǒng)計算資源的目的。
　　論文改進了傳統(tǒng)的Camshift算法基于只依靠顏色連續(xù)自適應迭代的跟蹤方式，

2、將人臉區(qū)域的梯度幅值信息和顏色信息的直方圖同時進行反向投影來尋找目標，以提高Camshift算法抗干擾的能力。
　　在外界遮擋造成改進Camshift算法目標跟蹤丟失等情況下，通過實時擬合短時間內(nèi)人臉運動質(zhì)心軌跡，預測丟失目標后下一幀中人臉區(qū)域，與人臉區(qū)域SURF特征點模型相匹配，初始化改進LK光流算法對其繼續(xù)進行跟蹤。
　　在計算復雜度上，改進LK光流跟蹤要大于改進Camshift的跟蹤。當目標離開遮擋區(qū)域后，繼續(xù)對其進行

3、光流跟蹤會造成不必要的計算資源開銷。文中設計了一種能在兩種算法之間動態(tài)切換的機制。改進LK光流對目標進行跟蹤的同時對SURF特征點進行更新，當特征點數(shù)目達到設定閾值時，由特征點在人臉區(qū)域中的位置信息初始化改進Camshift算法進行跟蹤，節(jié)約跟蹤目標消耗的計算資源。
　　實驗證明，改進Camshift算法較傳統(tǒng)算法具有更高的穩(wěn)定性且能達到跟蹤實時性要求；在改進Camshift算法丟失目標的情況下，選擇改進LK光流算法對人臉進行跟蹤