基于視頻流的快速人臉檢測與實時跟蹤算法研究.pdf

1、基于視頻流的人臉檢測與跟蹤是計算機(jī)視覺與模式識別領(lǐng)域的一個重要的研究課題,也是人臉信息處理領(lǐng)域的一項關(guān)鍵技術(shù),已經(jīng)成為研究者廣泛關(guān)注的熱點問題。自動人臉檢測與跟蹤技術(shù)在智能安全監(jiān)控、人機(jī)交互視頻會議、自動人臉識別、身份識別、虛擬現(xiàn)實等領(lǐng)域都有著廣泛的應(yīng)用前景和商業(yè)價值。盡管人臉檢測與跟蹤技術(shù)在可控條件下已經(jīng)取得了很大的發(fā)展,并獲得了可供實用的效果,但是,由于人臉結(jié)構(gòu)自身模式的多變性、數(shù)字圖像采集過程中的各種噪聲干擾、各種實際環(huán)境的限制以

2、及理論研究的不夠成熟,仍然面臨著巨大的挑戰(zhàn),比如,面部表情、人臉姿勢、復(fù)雜背景、遮擋、觀察視角以及光照條件變化等。本文針對這些應(yīng)用條件的限制,主要研究了人臉檢測技術(shù)、人臉跟蹤技術(shù),全面分析了國內(nèi)外人臉檢測技術(shù)以及人臉跟蹤技術(shù)的發(fā)展,并對主要的實現(xiàn)算法進(jìn)行了詳細(xì)的研究和深入的分析。主要內(nèi)容包括:
　　 1、針對AdaBoost算法基本知識做概要介紹,并以類Haar特征為基礎(chǔ),對弱分類器、強(qiáng)分類器以及級聯(lián)分類器的構(gòu)建過程進(jìn)行了詳細(xì)的

3、闡述;研究并實現(xiàn)了AdaBoost算法的訓(xùn)練以及檢測過程:最后,提出并實現(xiàn)對AdaBoost算法的改進(jìn)方法,具體內(nèi)容如下:
　　 (1)優(yōu)化多尺度檢測問題,同時采取了基于邊緣特征的算法加速策略,降低了算法的計算復(fù)雜度,加快了檢測的速度,使算法的性能大大提升。
　　 (2)選取不同的樣本集,分別訓(xùn)練正面分類器和側(cè)面分類器,并將他們串聯(lián)形成一個多級結(jié)構(gòu)的分類器,解決了多姿態(tài)條件下的人臉檢測問題。大量的實驗數(shù)據(jù)以及分類結(jié)果證明

4、:改進(jìn)后的AdaBoost人臉檢測算法魯棒性更好,適用范圍更廣,與傳統(tǒng)AdaBoost人臉檢測算法相比,其檢測率得到了顯著的提高。
　　 2、使用徑向模板對旋轉(zhuǎn)角度進(jìn)行估計,成功地解決了平面內(nèi)旋轉(zhuǎn)模式下的人臉檢測問題;利用多分類器級聯(lián)結(jié)構(gòu)有效地處理了平面外旋轉(zhuǎn)模式下的人臉檢測問題;另外,還針對人臉檢測算法的擴(kuò)展性進(jìn)行探討,使其能夠由單一的人臉檢測領(lǐng)域逐步擴(kuò)展到更為廣泛的目標(biāo)檢測應(yīng)用領(lǐng)域中。
　　 3、深入研究了Mean

5、Shift理論,以及其在目標(biāo)跟蹤方向的應(yīng)用。由于Mean Shift難以克服跟蹤目標(biāo)對象形狀大小變化的情況,因此本文接著研究了以Mean Shift為核心的CamShift算法,它是在Mean Shift算法基礎(chǔ)之上實現(xiàn)的改進(jìn)算法,能夠很好地適應(yīng)跟蹤目標(biāo)對象大小以及形狀的變化。由于CamShift跟蹤算法以顏色概率分布為基本,因此具有不受跟蹤目標(biāo)對象的大小、形狀以及外界光照變化等環(huán)境因素影響的優(yōu)點。但是CamShift算法也存在一些不足

6、之處,例如,初始化跟蹤窗口需要手動選取;當(dāng)目標(biāo)的色彩概率分布非常接近時,會出現(xiàn)跟蹤目標(biāo)丟失的情況等。針對這些不足,對CamShifi算法做如下具體的改進(jìn):
　　 (1)利用AdaBoost人臉檢測算法的檢測過程來實現(xiàn)跟蹤過程人臉的自動初始化;
　　 (2)為了兼顧了跟蹤的速度與效果,采用跟蹤與檢測相互交替的方法;
　　 (3)提出了基于雙眼模板匹配的CamShift人臉跟蹤算法,以顏色概率分布圖中的模板匹配成功與

7、否作為算法迭代的終止條件,解決了場景中存在大面積類膚色干擾時跟蹤失誤的問題。為了在減少跟蹤失誤的同時最大限度的保證算法的實時性,模板匹配過程中對模板采取了簡單的比例縮放和角度旋轉(zhuǎn)并使匹配只在搜索窗上半部分進(jìn)行。
　　 實驗數(shù)據(jù)和結(jié)果表明,改進(jìn)后的CamShifi算法跟蹤效果明顯優(yōu)于傳統(tǒng)的CamShift算法,同時也保證了良好的實時性。
　　 4、根據(jù)上述理論及技術(shù),在Visual C++6.0軟件平臺上開發(fā)并實現(xiàn)了一個自