頭部運動姿態(tài)檢測分析與設(shè)計.pdf

1、頭部姿態(tài)檢測是計算機視覺、人機交互、智能監(jiān)控、疲勞檢測等領(lǐng)域的一個熱點研究課題。頭部姿態(tài)檢測就是通過攝像機的拍攝及一系列的數(shù)據(jù)處理和分析來獲取頭部位置和姿態(tài)的過程。本文圍繞頭部運動姿態(tài)檢測的相關(guān)算法，介紹了頭部姿態(tài)檢測的研究背景和意義，研究方向和方法，并簡單介紹了OpenCV的結(jié)構(gòu)、優(yōu)點和功能。本文主要論述了攝像機標(biāo)定、人臉檢測、頭部姿態(tài)檢測系統(tǒng)中面部特征點模型的建立和擬合及頭部姿態(tài)的估計。具體工作如下。
　　首先，攝像機標(biāo)定。攝

2、像機標(biāo)定是聯(lián)系真實三維世界測量和攝像機測量的橋梁。其目的就是要建立三維世界坐標(biāo)與二維圖像坐標(biāo)之間的一種對應(yīng)關(guān)系。攝像機標(biāo)定主要是求攝像機的參數(shù)的一個過程，也就是確定攝像機的圖像坐標(biāo)系與物體在空間的三維坐標(biāo)系之間的映射的過程。本文在研究了攝像機標(biāo)定的原理及前人的標(biāo)定方法的基礎(chǔ)上，實現(xiàn)了基于OpenCV的攝像機標(biāo)定，為后文3D姿態(tài)檢測提供了參數(shù)。
　　其次，人臉檢測。人臉檢測顧名思義就是檢測圖像中是否包含人臉。本文所采用的人臉檢測方法

3、是在AdaBoost算法的基礎(chǔ)上改進而來的。該方法首先訓(xùn)練分類器，再用訓(xùn)練好的分類器通過改變檢測窗口大小的方式遍歷圖像來檢測圖像中是否包含人臉。人臉檢測是人體面部信息處理的第一步，也是不可缺少的一步，它為后面的AAM特征匹配奠定了基礎(chǔ)。
　　再次，人臉特征的提取。人臉特征提取就是用建立好的模型去匹配圖像中有相似特征的人臉，并返回其對應(yīng)的特征點信息的過程。本文所采用的是基于主動表觀模型的人臉檢測方法。該方法首先是模型的建立，得到帶有

4、參數(shù)的可形變的AAM模型。然后就是模型的匹配，通過調(diào)整參數(shù)改變模型使其不斷地逼近目標(biāo)圖像，在這個過程中不斷調(diào)整參數(shù)，最終實現(xiàn)輸入圖像中關(guān)鍵點的定位和提取。
　　最后，用POSIT算法估計頭部姿態(tài)。將前面獲得的攝像機內(nèi)參和提取出的人臉特征輸入POSIT算法，就可以對人體頭部的姿態(tài)進行估計。本文在成功檢測到頭部的位置參數(shù)和姿態(tài)參數(shù)的基礎(chǔ)上，還實現(xiàn)了對頭部姿態(tài)的實時檢測。
　　本文在算法設(shè)計的基礎(chǔ)上，使用C和C++語言最終實現(xiàn)了一