多姿態(tài)人臉特征檢測與跟蹤技術(shù)研究.pdf

1、多姿態(tài)人臉檢測與跟蹤技術(shù)是計(jì)算機(jī)視覺與模式識別領(lǐng)域重要的研究熱點(diǎn),在視頻會議、人機(jī)交互、圖像檢索,智能監(jiān)控等方面有著巨大的應(yīng)用前景。然而其檢測的準(zhǔn)確性和實(shí)時(shí)性仍是亟需解決的課題。
　　本論文是基于視頻序列中不同視角的人臉檢測和跟蹤問題,結(jié)合人臉圖像預(yù)處理與后跟蹤算法,提出了基于改進(jìn)的Adaboost的人臉檢測算法:首先介紹視頻圖像處理現(xiàn)狀和基本方法,其次闡述視頻人臉檢測框架設(shè)計(jì)與代碼實(shí)現(xiàn),最后在視頻環(huán)境中驗(yàn)證人臉檢測的效果和分析存

2、在問題。
　　本論文主要是研究與實(shí)現(xiàn)了在視頻序列中多姿態(tài)人臉檢測與跟蹤技術(shù),著重研究了Adaboost人臉檢測算法、Camshift算法和Kalman濾波等算法,主要分為以下模塊:
　　(1)圖像預(yù)處理和運(yùn)動目標(biāo)預(yù)估計(jì)模塊:圖像預(yù)處理主要包括濾波、形態(tài)學(xué)算法和圖像歸一化;運(yùn)動目標(biāo)預(yù)估計(jì)的主要目的是介紹基于背景差分法的混合高斯模型提取運(yùn)動的前景,然后提取運(yùn)動目標(biāo)的輪廓,并把此區(qū)域設(shè)置為興趣區(qū)域,以縮小人臉檢測的窗口搜索的范圍。

3、
　　(2)人臉檢測模塊:主要研究了Adaboost算法的基本原理,包括Haar特征、積分圖和級聯(lián)分類器等理論,該方法具有較高檢測率和實(shí)時(shí)性的優(yōu)點(diǎn),但同時(shí)也存在著誤檢率高的問題。本文在分析了其算法的不足之處,結(jié)合 SVM和粒子群優(yōu)化的思想,提出了基于 Adaboost的改進(jìn)的 PSO-AdaBoost算法,另外首先結(jié)合膚色模型預(yù)檢測人臉區(qū)域,然后以此區(qū)域用于人臉檢測系統(tǒng)。
　　(3)人臉跟蹤模塊:基于Camshift算法和邊