基于視頻的實(shí)時(shí)人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)最初是作為人臉識(shí)別系統(tǒng)的第一步，目的是從背景中定位和提取出人臉來，現(xiàn)在已經(jīng)作為一個(gè)獨(dú)立的研究課題備受關(guān)注。它已被人們廣泛的應(yīng)用于日常生活當(dāng)中，如視頻監(jiān)控系統(tǒng)、人機(jī)交互系統(tǒng)、圖像檢索、視頻會(huì)議、身份驗(yàn)證以及虛擬現(xiàn)實(shí)等很多方面，具有很廣泛的應(yīng)用前景和社會(huì)效益。隨著應(yīng)用的推廣，各種新方法、技術(shù)都被引用到人臉檢測(cè)中來以滿足實(shí)時(shí)性的需要。但由于外界環(huán)境因素的干擾使得背景圖像不斷變化，因而目前所有的算法都不能適應(yīng)各種情況，所以要研究出一種魯

2、棒性好，檢測(cè)精度高且性能好的人臉檢測(cè)算法是一項(xiàng)很艱巨的任務(wù)。
　　 本文在回顧前人工作，研究各種檢測(cè)算法，及其應(yīng)用場(chǎng)合的基礎(chǔ)上，提出了一些檢測(cè)算法的改進(jìn)，并將人臉檢測(cè)與較好性能的跟蹤算法進(jìn)行融合，解決了存在部分遮擋、表情、光照等因素對(duì)檢測(cè)效果的影響，滿足了視頻監(jiān)控系統(tǒng)對(duì)檢測(cè)算法實(shí)時(shí)性的要求，實(shí)現(xiàn)了在視頻中對(duì)人臉檢測(cè)、定位以及跟蹤。主要內(nèi)容如下:
　　 (1)針對(duì)AdaBoost算法訓(xùn)練階段提取大量的Haar特征，計(jì)算耗時(shí)

3、大的弊端，本文將Haar特征用環(huán)形對(duì)稱Gabor變換(CSGT)特征代替，提取圖像變換后的局部極值作為特征并且限制特征的均勻分布，來訓(xùn)練分類器，CSGT繼承了Gabor小波的特性，具有較強(qiáng)的表現(xiàn)性，且CSGT特征具有嚴(yán)格的旋轉(zhuǎn)不變性，所以改進(jìn)后的AdaBoost算法對(duì)表情，姿態(tài)的變化具有較好的魯棒性。實(shí)驗(yàn)證明達(dá)到了較好的檢測(cè)效果，但該算法是在犧牲了檢測(cè)速度的基礎(chǔ)上提高了訓(xùn)練速度，不過在現(xiàn)有科技發(fā)展的基礎(chǔ)上，使用多核處理器和硬件加速，會(huì)使

4、檢測(cè)速度提高很多。
　　 (2)分析了基于膚色分割的人臉檢測(cè)算法，本文將其和AdaBoost算法結(jié)合，進(jìn)行人臉檢測(cè)，針對(duì)復(fù)雜背景的圖像，使用膚色分割將候選膚色區(qū)域提取出來，然后使用人臉模型比例范圍去除一部分非人臉區(qū)域，最后使用訓(xùn)練好的AdaBoost分類器進(jìn)行人臉檢測(cè)。實(shí)驗(yàn)表明，與AdaBoost人臉檢測(cè)算法相比，不僅提高了檢測(cè)精度，而且檢測(cè)速率也得到提高。
　　 (3)針對(duì)動(dòng)態(tài)視頻的人臉檢測(cè)，本文使用運(yùn)動(dòng)估計(jì)算法，將帶

5、有人臉的運(yùn)動(dòng)區(qū)域提取出來，使用上面的人臉檢測(cè)算法進(jìn)行人臉檢測(cè)。這種算法能夠很好的消除背景運(yùn)動(dòng)引起的干擾，而且具有一定的檢測(cè)速度和效果，滿足一定的實(shí)時(shí)性。
　　 (4)在檢測(cè)算法的基礎(chǔ)上，引入SIFT（Scale-Invariant Feature Transform，尺度不變特征變換）算法用于目標(biāo)之間的匹配以達(dá)到跟蹤的效果，該算法提取的特征點(diǎn)具有尺度、旋轉(zhuǎn)、平移的不變性，而且對(duì)光照變化、仿射變換和3維投影變換具有一定的魯棒性。本