基于多分類器融合的頭態(tài)識別方法.pdf

1、人體行為識別具有巨大的理論研究價值和實際應用前景，是近年來計算機視覺和生物特征識別領域備受關注的研究方向之一。頭部動作識別作為人體行為識別的一個重要內容，在智能監(jiān)控、高級人機交互、運動分析及虛擬現實等方面都有著廣泛的應用。
　　 頭部動作識別主要是指針對包含頭部動作的視頻分析處理，運用圖像處理、模式識別等方面的知識，得到人體頭部的具體狀態(tài)，從而判斷出其是處于靜止、點頭還是搖頭的狀態(tài)。本文首先分別提出了圖像質心、眼睛定位和累積差異

2、圖像三種頭態(tài)識別方法，得到頭態(tài)的初步識別結果，然后采用Kittler融合分類器理論，構造了頭態(tài)融合識別分類器，進一步提高頭部動作的識別率。
　　 基于圖像質心的識別方法將要處理的頭部運動視頻轉換為一系列的圖像，通過顏色建模實現皮膚區(qū)域的檢測，找出各圖像的質心，進行圖像質心坐標追蹤，得到不同頭態(tài)質心位置變化量的曲線，從而識別出不同的頭部動作?；谘劬Χㄎ坏淖R別方法，采用Adaboost算法快速檢測人臉，利用積分投影的方法定位眼睛，

3、分析處理眼睛的位置變化，得到頭部狀態(tài)，達到識別目的?；诶鄯e差異圖像的識別方法，通過建立累積圖像的方法來檢測運動對象的速度與方向，從而識別出三種頭部動作。
　　 在對融合分類器進行綜合分析的基礎上，本文將Kittler經典融合分類器理論首次運用到頭態(tài)識別上，把三個不同的分類器按照相應的規(guī)則融合，從而提高了頭部狀態(tài)的識別效果。
　　 通過本文自行拍攝的數據庫，每種單獨的分類器性能都在70％以上，并且融合后的效果都有不同程度