基于boosting的人臉檢測(cè)和跟蹤算法研究.pdf

1、人臉檢測(cè)和跟蹤在安全驗(yàn)證、人機(jī)交互、公安罪犯追捕以及視頻會(huì)議等領(lǐng)域有著巨大的應(yīng)用前景。因此，人臉檢測(cè)和跟蹤成為當(dāng)前模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。人臉檢測(cè)的目的是判定圖像或圖像序列中是否存在人臉，如果存在，則返回其位置和空間分布。人臉跟蹤是指在輸入圖像序列中確定人臉的運(yùn)動(dòng)軌跡及大小變化的情況，為進(jìn)一步的分析提供人臉的運(yùn)動(dòng)參數(shù)。本文在借鑒國(guó)內(nèi)外人臉檢測(cè)和跟蹤前沿理論和技術(shù)的基礎(chǔ)上，并結(jié)合自己的創(chuàng)新，進(jìn)行了一系列算法研究與實(shí)驗(yàn)。

2、>　　本文主要工作內(nèi)容如下:
　　(1)對(duì)人臉檢測(cè)跟蹤理論和技術(shù)的國(guó)內(nèi)外發(fā)展現(xiàn)狀進(jìn)行了綜述，闡明了本文研究的意義。
　　(2)在人臉檢測(cè)方面，實(shí)現(xiàn)了基于膚色的人臉檢測(cè)和基于AdaBoost的人臉檢測(cè)算法?；贏daBoost的人臉檢測(cè)方法正確率高，但是仍存在誤檢現(xiàn)象，基于膚色的人臉檢測(cè)方法算法簡(jiǎn)單，實(shí)時(shí)性好，可以有效剔除非膚色目標(biāo)。因此，本文提出了AdaBoost和膚色相結(jié)合的人臉檢測(cè)方法。以類Haar特征的積分圖訓(xùn)練分類器

3、檢測(cè)人臉，在檢測(cè)結(jié)果的基礎(chǔ)上，用膚色檢測(cè)的方法加以驗(yàn)證，可以使誤檢率從4.2％降低為3.8％。
　　(3)實(shí)現(xiàn)了online boosting的人臉跟蹤算法。在跟蹤實(shí)驗(yàn)中，前一幀檢測(cè)得到的目標(biāo)作為正樣本加入分類器中學(xué)習(xí)，依次循環(huán)不斷的完成人臉檢測(cè)的過(guò)程以實(shí)現(xiàn)跟蹤，但該方法易出現(xiàn)跟蹤漂移。本文為了提高底層分類器之間的多樣性，在選擇分類器時(shí)，考慮了分類之間的區(qū)分性，使得跟蹤更加穩(wěn)健。跟蹤準(zhǔn)確率由90.3％提高到94.6％，同時(shí)漏檢率由

4、6.9％降低到3.5％。
　　(4)提出了嵌入粒子濾波中的online boosting人臉跟蹤算法。首先研究了基于灰度模板區(qū)域匹配的粒子濾波算法，該算法采用模板匹配的方法來(lái)計(jì)算相似度。在該算法的基礎(chǔ)上，本文提出了將online boosting強(qiáng)分類器檢測(cè)到目標(biāo)對(duì)應(yīng)的特征值作為模板，與各個(gè)粒子對(duì)應(yīng)的特征值進(jìn)行比較以計(jì)算相似度，從而計(jì)算各個(gè)粒子權(quán)重。實(shí)驗(yàn)結(jié)果表明，跟蹤的漂移現(xiàn)象得到改善，跟蹤更加準(zhǔn)確。在該算法中本文采用自動(dòng)檢測(cè)獲取