TLD框架下的多人臉目標(biāo)跟蹤算法設(shè)計與實現(xiàn).pdf

1、隨著計算機(jī)與信息技術(shù)的發(fā)展，多人臉目標(biāo)跟蹤在實際應(yīng)用中得到了廣泛的研究，如智能視頻監(jiān)控、人機(jī)交互、智能交通、虛擬現(xiàn)實等，吸引了國內(nèi)外眾多的研究者。這類系統(tǒng)需要自動完成對復(fù)雜環(huán)境中多個人的實時監(jiān)控及行為分析，完成這一系列任務(wù)需要涉及到計算機(jī)視覺領(lǐng)域中許多技術(shù)，而多人臉跟蹤是其中的核心技術(shù)之一。多人臉跟蹤的研究目的是模擬人的運(yùn)動感知能力，使計算機(jī)能夠自動識別視頻序列中運(yùn)動的人臉。多人臉跟蹤比一般跟蹤問題更復(fù)雜，因為多人臉跟蹤不僅要區(qū)分前景與

2、背景，同時還要區(qū)分不同的人臉，由于人臉間的相似性，給該研究帶來了很大的難度。雖然目前大量的人臉目標(biāo)跟蹤算法已被提出，但實時與魯棒的多人臉目標(biāo)跟蹤仍然是一個非常具有挑戰(zhàn)性的問題。本文針對多人臉目標(biāo)跟蹤問題展開研究，首先討論了國內(nèi)外目前在該領(lǐng)域的研究現(xiàn)狀，及存在的難點問題。本文使用了一種新興且有效的長時間單目標(biāo)跟蹤框架（TLD），該框架將跟蹤、檢測與學(xué)習(xí)相結(jié)合以解決被跟蹤目標(biāo)在跟蹤過程中發(fā)生的形變、部分遮擋等問題。并以此為基礎(chǔ)，結(jié)合實時人臉

3、檢測算法提出了一種多人臉目標(biāo)自動檢測與跟蹤算法。
　　本研究主要內(nèi)容包括：⑴在對已有的目標(biāo)跟蹤算法進(jìn)行分析比較的基礎(chǔ)上，選用長時間單目標(biāo)跟蹤框架（TLD）作為跟蹤引擎，并對其進(jìn)行深入研究，然后結(jié)合 Viola-Jones人臉檢測算法將其應(yīng)用到人臉跟蹤領(lǐng)域，實現(xiàn)人臉的自動檢測與跟蹤。由于這種方法是基于單目標(biāo)跟蹤算法實現(xiàn)的，因此存在一定的弊端，針對這些弊端本文進(jìn)行了下面幾個方面的改進(jìn)。⑵對TLD單目標(biāo)跟蹤框架進(jìn)行改進(jìn)，使其能夠更有效的

4、進(jìn)行多目標(biāo)的跟蹤，重新改進(jìn)了TLD的跟蹤模塊，檢測模塊，以及學(xué)習(xí)模塊，使他們都能夠有效的處理多目標(biāo)跟蹤問題。充分發(fā)揮TLD的潛能，使之成為一個真正意義上的多目標(biāo)跟蹤算法，能夠在同一時刻跟蹤多個目標(biāo)，避免了采用單目標(biāo)TLD跟蹤算法而導(dǎo)致的大量重復(fù)計算。⑶針對多人臉跟蹤這一特殊領(lǐng)域，提出一種多人臉的標(biāo)記與分離方案，以處理跟蹤過程中目標(biāo)總數(shù)的變化問題，對隨機(jī)出現(xiàn)的新人臉、多人間的相互遮擋、以及人臉的消失等問題能夠較好的判斷并處理，這是實現(xiàn)多人

5、臉的自動檢測與跟蹤的關(guān)鍵步驟。⑷為了減少人臉結(jié)構(gòu)相似性給多人臉跟蹤帶來的影響，本文通過改進(jìn)多目標(biāo)跟蹤算法TLD中的樣本庫，來增大人臉間的差異性，使其能夠有效的區(qū)分不同的人臉，適應(yīng)多人臉跟蹤領(lǐng)域的特殊需求。同時，結(jié)合實時人臉檢測算法以及有效的多人臉的標(biāo)記與分離方案，最終實現(xiàn)多人臉的自動檢測與跟蹤。⑸通過大量實驗對本文所提出的多人臉跟蹤算法的有效性進(jìn)行了驗證，同時對實驗結(jié)果進(jìn)行了詳細(xì)分析。⑹利用相關(guān)編程語言和OpenCV計算機(jī)視覺庫對該算法