人眼定位與跟蹤算法的研究.pdf

1、為了減小人臉圖像較小引起的人眼定位不準(zhǔn)確，本文提出了一種改進的單幀圖像超分辨算法，該方法利用源圖像中的像素點信息，同時從多個方向計算牛頓插值結(jié)果，并根據(jù)源圖像中各像素點的相關(guān)性通過融合計算獲得超分辨率圖像的插值結(jié)果。仿真實驗結(jié)果表明，利用改進方法獲得的超分辨率圖像更加細膩，尤其圖像邊緣區(qū)域所包含的大量細節(jié)信息可得到有效恢復(fù)。改進算法所獲得的超分辨率圖像的峰值信噪比和均方誤差等評價指標(biāo)均優(yōu)于傳統(tǒng)方法。
　　人眼定位過程中，為了克服傳

2、統(tǒng)灰度積分投影方法無法有效定位旋轉(zhuǎn)人臉圖像中人眼的缺點，提出了一種基于極坐標(biāo)系的灰度積分投影方法。利用膚色特征對給定圖像進行人臉區(qū)域的確定，在人臉區(qū)域內(nèi)按極角方向進行灰度積分投影，確定出人眼所在角度，將人眼角度方向的像素灰度值做水平方向積分投影，從而確定出人眼的位置。該方法能夠?qū)崿F(xiàn)同一幅圖像中多個不同姿態(tài)人臉的人眼定位。大量的仿真實驗表明，該方法的識別性能對人臉的旋轉(zhuǎn)變化具有良好的魯棒性，能夠提高灰度積分投影方法對人眼定位的適用范圍。<

3、br>　　傳統(tǒng)的Mean Shift跟蹤中，單一顏色特征無法包含目標(biāo)表觀的所有信息。為提高傳統(tǒng)均值漂移算法對低對比度圖像的跟蹤性能，提出一種融合圖像微分特征信息的改進算法。根據(jù)圖像8鄰域微分值建立微分圖像，利用微分特征建立目標(biāo)模板和候選區(qū)域的微分直方圖模型，并確定候選區(qū)中心位置的更新向量。將其與利用顏色特征信息確定的候選區(qū)中心位置的更新向量相融合，得到改進算法的更新向量。圖像的微分信息包含了圖像的細節(jié)信息以及像素的相對空間位置信息，提高