基于膚色的人臉跟蹤算法的研究

1、———————————————收稿日期：收稿日期：20121224；修回日期：修回日期：基金項(xiàng)目：基金項(xiàng)目：航空科學(xué)基金項(xiàng)目(20100119004)；作者簡(jiǎn)介作者簡(jiǎn)介:陳和恒(1987－)男（漢）湖北天門人碩士研究生，主要研究方向?yàn)閿?shù)字圖像處理、信號(hào)與信息處理，Email地址786249962@；王忠(1964－)男博士副教授主要研究方向?yàn)镚PS理論與應(yīng)用、無線與移動(dòng)通信關(guān)鍵技術(shù)、網(wǎng)絡(luò)通信與技術(shù)；應(yīng)大力(1982－)男碩士研究生職稱主

2、要研究方向?yàn)樾盘?hào)與信息處理.基于膚色的人臉跟蹤算法的研究基于膚色的人臉跟蹤算法的研究陳和恒，王忠，應(yīng)大力(四川大學(xué)電氣信息學(xué)院；成都；610064)摘要:對(duì)基于均值漂移算法（MeanShift）對(duì)其模板無法自動(dòng)更新、容易陷入局部搜索區(qū)域無法恢復(fù)等缺點(diǎn)，提出一種基于AdaptiveMeanShift方法的改進(jìn)的人臉跟蹤算法。該算法可以在一定條件（跟蹤周期結(jié)束、迭代失敗等）下更新跟蹤模板，然后對(duì)反向投影圖像進(jìn)行帶有膚色信息的掩碼圖像過濾，使

3、得模板數(shù)據(jù)排除非膚色區(qū)域引起的無效內(nèi)容。實(shí)驗(yàn)結(jié)果表明改進(jìn)的跟蹤方法能夠有效的避免CAMSHIFT模板無法隨光照變化而出現(xiàn)偏差、局部錯(cuò)誤無法恢復(fù)等缺陷，也提高了反向投影圖像的準(zhǔn)確性，從而使人臉跟蹤算法的準(zhǔn)確性得到提高。關(guān)鍵詞關(guān)鍵詞:核密度估計(jì)，幾何矩，人臉跟蹤，跟蹤周期，反向投影中圖分類號(hào)中圖分類號(hào):TP391文獻(xiàn)標(biāo)志碼文獻(xiàn)標(biāo)志碼:A文章編號(hào)：文章編號(hào)：Researchonfacetrackingalgithmbasedonskincol

4、CHENHehengWANGZhong，YINGDali(SchoolofElectricalEngineeringInfmationSichuanUniversityChengdu610064China)Abstract:Abstract:AimattheseweaknessthatcantautomaticallyrenewitstemplatesinkintothepartofunresumeddistrictbasedonMea

5、nShiftalgithmanimprovedmethodffacetrackingbasedonskincolisproposed.Themethodcanrenewtrackingtemplateunderthecertainconditionwhenthetrackingperiodisovertheiterativefailsetcthendealbackprojectionimagewiththemaskimagefiteri

6、ngbasedontheinfmationofskincolthesemakethetemplatedateexcludeincalidcontendwhichisproducebyuninterestedskincolregion.SimulationresultsshowthattheimprovedmethodisefficientfavoidingsomdrawbackwhichCAMSHIFTtemplatebringsdev

7、iationpartofmistakecantberenewedwhenthelightchangesalsoincreasetheaccuracyofbackprojectionimagethusmakethefacetrackingalogrithmimproved.KeyKeywds:wds:kemeldensityestimation；geometricmoment；facetracking；trackingcycle；back

8、projection0引言引言人臉跟蹤是計(jì)算機(jī)視覺領(lǐng)域的熱門話題之一，其目的是對(duì)一組連續(xù)圖像序列中的人臉圖像進(jìn)行不斷定位與跟蹤，在軍事偵查領(lǐng)域、交通攝像系統(tǒng)、視屏?xí)h、人工智能系統(tǒng)、自動(dòng)對(duì)焦、視屏安全監(jiān)控、智能家庭服務(wù)等方面發(fā)揮著重要的作用。多年來許多研究機(jī)構(gòu)與研究人員從各種不同的方向?qū)@一話題進(jìn)行了研究，并取得了很大的成果。雖然如此，由于實(shí)際應(yīng)用環(huán)境的復(fù)雜性，并沒有萬用的檢測(cè)算法。目前人臉定位的經(jīng)典方法可以分為四類：1基于模板匹配的方

9、法：利用面部器官的外觀特征構(gòu)建通用模板，匹配運(yùn)算進(jìn)行判斷。準(zhǔn)確性較差，實(shí)時(shí)性不好，計(jì)算量非常大，且分割標(biāo)準(zhǔn)不易確定；2基于統(tǒng)計(jì)學(xué)習(xí)的方法：對(duì)大量人臉正反樣本進(jìn)行訓(xùn)練，使用模式識(shí)別方法進(jìn)行分類判決，準(zhǔn)確性較差，實(shí)時(shí)性較好，實(shí)時(shí)檢測(cè)運(yùn)算量較大，且通常需要長(zhǎng)時(shí)間樣本訓(xùn)練；3基于人臉規(guī)則與特征的方法：利用人臉器官的先驗(yàn)知識(shí)對(duì)圖像進(jìn)行區(qū)域分析，準(zhǔn)確性差，特別是有背景干擾或面部表情變化的情況下，實(shí)時(shí)性較好；4基于膚色信息的方法：在一定顏色空間內(nèi)利用

10、膚色的聚類性質(zhì)進(jìn)行人臉分割，準(zhǔn)確性較好，但一般需要進(jìn)一步排除干擾區(qū)域，實(shí)時(shí)性較好，計(jì)算簡(jiǎn)單。由Fukunaga和Hostetler【1】于1975年提出MeanShift算法，該算法相對(duì)傳統(tǒng)人臉跟蹤算法的效果有一定的改善，但它需要知道人臉圖像的特征直方圖分布，而且難以克服跟蹤目標(biāo)對(duì)象形狀大小變化的情況。針對(duì)這些缺點(diǎn)，本文提出一種基于膚色信息的的自適應(yīng)模板的CAMSHIFT改進(jìn)的人臉跟蹤算法，并在一定的跟蹤周期后進(jìn)行模板更新與膚色掩碼融合

11、，實(shí)驗(yàn)證明這種方法可以得到更為準(zhǔn)確的概率統(tǒng)計(jì)數(shù)據(jù)，具有光照變化的自適應(yīng)能力，對(duì)旋轉(zhuǎn)、尺度變化、部分遮擋和表情變化有很好的魯棒性。而且本文算法計(jì)算簡(jiǎn)單，適合在資源受限的嵌入式設(shè)備中使用以滿足實(shí)時(shí)性需求。1基于基于MeanShiftMeanShift的目標(biāo)跟蹤算法的目標(biāo)跟蹤算法基于MeanShift的目標(biāo)跟蹤算法一般選擇膚色作為物體的描述，而膚色則是人臉區(qū)域最重要的特征之一，尤其在HSV空間中Hue（色度）值的良好聚類性質(zhì)。選擇Hue值作為

12、研究對(duì)象，對(duì)其進(jìn)行個(gè)數(shù)為的直方圖作為概率估m(xù)計(jì)密度函數(shù)的估計(jì)，則人臉目標(biāo)模型為(1)??1()()uumppyy???11muup???簡(jiǎn)單起見，一般采用Bhattachayya系數(shù)【2】進(jìn)行兩者之間的描述：(2)001[()]()muuuuuppyqpyq???則兩者的距離為(3)00()1[()]uudyppyq??要使得最小，實(shí)際上需要使得最大。0()dy0[()uuppyq頁碼計(jì)算機(jī)應(yīng)用研究第28卷(a)橢圓擬合(b)反向投影的

13、概率圖圖2改進(jìn)CAMSHIFT算法進(jìn)行目標(biāo)跟蹤的區(qū)域擬合圖2中(a)為CAMSHIFT算法中根據(jù)反向投影概率圖的圖像矩?cái)M合的一個(gè)橢圓區(qū)域，(b)為為反向投影的概率圖，圖中顯示了在人臉有一定偏轉(zhuǎn)時(shí)擬合的旋轉(zhuǎn)方位以及長(zhǎng)短軸。2.2.4自適應(yīng)調(diào)整窗口的大小擴(kuò)大：改進(jìn)的Canshift算法在計(jì)算窗口大小前，在MeanShift算出的窗口的四個(gè)方向上增大了TOLERANCE，即高和寬都增大了2TOLERANCE（此值自己調(diào)整設(shè)置），這才有可能使得

14、窗口能夠變大?？s?。涸跀U(kuò)大的窗口內(nèi)重新計(jì)算0階矩，1階矩和2階矩，利用矩的值重新計(jì)算高和寬。改進(jìn)的Camshif算法相當(dāng)于在MeanShift的結(jié)果上，再做了一個(gè)調(diào)整，從而使得跟蹤的窗口大小能夠隨目標(biāo)的大小變化，仿真結(jié)果如圖2所示。2.2.5改進(jìn)CAMSHIFT算法的迭代流程如下：(1)確定初始目標(biāo)及其區(qū)域；(2)計(jì)算出目標(biāo)的色度（Hue)分量的直方圖；在輸入圖像進(jìn)行反向投影圖之前在HSV空間內(nèi)做一個(gè)閥值處理，用以濾掉一些噪聲；(3)利

15、用直方圖計(jì)算輸入圖像的反向投影圖；(4)利用MeanShift算法在反向投影圖中迭代搜索，直到收斂或達(dá)到最大迭代次數(shù)，并保持零次矩。(5)從第(4)步中獲得收索窗口的中心位置和計(jì)算出新的窗口大小，以此為參數(shù)，進(jìn)入到下一幀的目標(biāo)跟蹤。（即跳轉(zhuǎn)到第(2)步）；3實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析改進(jìn)的CAMSHIFT算法能夠在人臉發(fā)生尺度變化、偏轉(zhuǎn)以及引入膚色物體（如手臂）干擾的情況下也保持很好的檢測(cè)準(zhǔn)確性，其測(cè)試效果如圖2所示。圖2Camshit跟

16、蹤算法測(cè)試對(duì)反向投影圖像使用的模板數(shù)據(jù)進(jìn)行帶有膚色信息的掩碼圖像過濾，使得模板數(shù)據(jù)排除非膚色區(qū)域引起的無效內(nèi)容，改進(jìn)前后的對(duì)比如圖3所示。圖4原始算法和CAMSHIFT改進(jìn)算法的概率分布圖從圖4可以看出相對(duì)原始算法得到的人臉概率圖，本文算法在進(jìn)行可變目標(biāo)樣本直方圖和背景噪聲去除后獲得的人臉概率圖，明顯減少了目標(biāo)窗口內(nèi)背景噪聲的影響，更精確地收斂到感興趣的人臉位置。4總結(jié)總結(jié)本文針對(duì)基于均值漂移算法（MeanShift）對(duì)其模板無法自動(dòng)更

17、新、容易陷入局部搜索區(qū)域無法恢復(fù)等缺點(diǎn)，提出一種基于AdaptiveMeanShift方法的改進(jìn)的人臉跟蹤算法。此外，算法對(duì)原人臉圖像進(jìn)行了該算光照補(bǔ)償處理和基于先驗(yàn)知識(shí)的以過濾掉干擾區(qū)域排除處理，實(shí)驗(yàn)表明研究該算法的準(zhǔn)確性需要對(duì)光照、臉部少量偏轉(zhuǎn)與佩戴物具有一定的魯棒性。使用快速的人臉跟蹤算法，在動(dòng)態(tài)序列幀中跟蹤人臉區(qū)域以降低檢測(cè)算法的計(jì)算代價(jià)，跟蹤算法對(duì)變化的環(huán)境有較好的適應(yīng)性。參考文獻(xiàn)：參考文獻(xiàn)：[1]DinCPeterMeer.

18、RobustAnalysisofFeatureSpaces:ColImageSegmentation[C]ProcofIEEEConfonCompVisPatternRecognition，PuertoRico，1997：750—755[2]WENZhiqiangCAIZixing.Errsofbhattayyacoofficientitsredutioninobjecttracking[J].ChineseJournalofCompu

19、ters200831(7):11651174.[3]焦竹青，徐保國.HSV變換和同態(tài)濾波的彩色圖像光照補(bǔ)償[J].計(jì)算機(jī)工程與應(yīng)用2010(30)[4]李杰郝曉莉.一種基于橢圓膚色模型的人臉檢測(cè)方法[J].計(jì)算機(jī)測(cè)量與控制2006(02).[5]W.T.FreemanK.TanakaJ.OhtaK.KyumaComputerVisionfComputerGames[C]ProcofIEEEConf.OnAutomaticFaceGest

20、ureRecognitionpp.1001051996.[6]王航宇.基于YCbCr高斯膚色模型的人臉檢測(cè)技術(shù)研究[J].現(xiàn)代電子技術(shù)2008(22).[7]柳宗浦趙曙光潘翔鶴趙俊.一種融合Kalman預(yù)測(cè)和Meanshift搜索的視頻運(yùn)動(dòng)目標(biāo)跟蹤新方法[J].光電子技術(shù).2009(29).[8]王曉衛(wèi)馬曉軍周啟煌.基于DESO的MeanShift目標(biāo)跟蹤算法研究[J].控制與決策2009(02).[9]YUILLEALHALLINAN

21、PWCOHENDS.Featureextractionfromfacesusingdefmabletemplate[J].InternationalJournalofComputerVision19928(2):99111.[10]XiD.PodolakI.T.LeeS.Facialcomponentextractionfacerecognitionwithsupptvectmachines[C]ProcofAutomaticFaceG