人臉檢測與跟蹤在視頻監(jiān)控中的應(yīng)用研究.pdf

1、隨著信息技術(shù)的發(fā)展，基于生物特征的人臉識(shí)別應(yīng)用領(lǐng)域非常廣泛。鑒于人們對(duì)人臉識(shí)別的要求不斷提高，越來越多的學(xué)者進(jìn)行了更深層次的人臉檢測相關(guān)研究和探索。探索人臉檢測更為有效的方法，是視頻監(jiān)控技術(shù)走向?qū)嵱没仨毥鉀Q的一個(gè)關(guān)鍵問題，它經(jīng)歷了從最初的檢測靜態(tài)圖像到實(shí)時(shí)視頻的檢測的過程。人臉檢測干擾因素很多，其檢測算法都存在計(jì)算量大、速度慢以及檢測準(zhǔn)確率低等不足。
　　在人臉檢測方面，用得比較多的是AdaBoost方法，AdaBoost方法具

2、備很多優(yōu)勢，也存在一些不足。在試驗(yàn)中發(fā)現(xiàn)，盡管它可以檢測實(shí)時(shí)視頻，但在復(fù)雜的戶外場景下，其人臉檢測率還不夠高，人臉檢測準(zhǔn)確率偏低，經(jīng)常會(huì)出現(xiàn)錯(cuò)誤檢測、漏檢測和重復(fù)檢測的現(xiàn)象，把該方法應(yīng)用于人臉檢測還需要進(jìn)一步的研究和改進(jìn)。
　　利用膚色信息來進(jìn)行人臉檢測不失為一種行之有效的方法。不過，在利用膚色進(jìn)行的人臉檢測法中，還無法擺脫外在環(huán)境帶來的技術(shù)難題，膚色檢測法也并不適合作為人臉檢測的主要方法，僅能作為輔助性手段幫助識(shí)別人臉檢測和跟蹤

3、。
　　本文提出了一種Boost2-SVM算法，充分利用了AdaBoost的檢測優(yōu)勢和支持向量機(jī)的學(xué)習(xí)泛化能力，結(jié)合了兩種算法的優(yōu)點(diǎn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的算法，能切實(shí)提高人臉識(shí)別的精度。
　　本文還提出了一種基于擴(kuò)展二維線性判別分析方法的人臉識(shí)別算法。通過擴(kuò)充人臉樣本，提高了人臉識(shí)別的性能。同時(shí)在視頻監(jiān)控的實(shí)際應(yīng)用環(huán)境中進(jìn)行了仿真，通過仿真結(jié)果可以發(fā)現(xiàn)，本文改進(jìn)后的算法在性能上和人臉識(shí)別精確度方面有了較大的提高。