人臉檢測與跟蹤在視頻監(jiān)控中的應(yīng)用研究.pdf

1、隨著信息技術(shù)的發(fā)展，基于生物特征的人臉識別應(yīng)用領(lǐng)域非常廣泛。鑒于人們對人臉識別的要求不斷提高，越來越多的學(xué)者進(jìn)行了更深層次的人臉檢測相關(guān)研究和探索。探索人臉檢測更為有效的方法，是視頻監(jiān)控技術(shù)走向?qū)嵱没仨毥鉀Q的一個關(guān)鍵問題，它經(jīng)歷了從最初的檢測靜態(tài)圖像到實時視頻的檢測的過程。人臉檢測干擾因素很多，其檢測算法都存在計算量大、速度慢以及檢測準(zhǔn)確率低等不足。
　　在人臉檢測方面，用得比較多的是AdaBoost方法，AdaBoost方法具

2、備很多優(yōu)勢，也存在一些不足。在試驗中發(fā)現(xiàn)，盡管它可以檢測實時視頻，但在復(fù)雜的戶外場景下，其人臉檢測率還不夠高，人臉檢測準(zhǔn)確率偏低，經(jīng)常會出現(xiàn)錯誤檢測、漏檢測和重復(fù)檢測的現(xiàn)象，把該方法應(yīng)用于人臉檢測還需要進(jìn)一步的研究和改進(jìn)。
　　利用膚色信息來進(jìn)行人臉檢測不失為一種行之有效的方法。不過，在利用膚色進(jìn)行的人臉檢測法中，還無法擺脫外在環(huán)境帶來的技術(shù)難題，膚色檢測法也并不適合作為人臉檢測的主要方法，僅能作為輔助性手段幫助識別人臉檢測和跟蹤

3、。
　　本文提出了一種Boost2-SVM算法，充分利用了AdaBoost的檢測優(yōu)勢和支持向量機的學(xué)習(xí)泛化能力，結(jié)合了兩種算法的優(yōu)點，實驗結(jié)果表明，改進(jìn)后的算法，能切實提高人臉識別的精度。
　　本文還提出了一種基于擴展二維線性判別分析方法的人臉識別算法。通過擴充人臉樣本，提高了人臉識別的性能。同時在視頻監(jiān)控的實際應(yīng)用環(huán)境中進(jìn)行了仿真，通過仿真結(jié)果可以發(fā)現(xiàn)，本文改進(jìn)后的算法在性能上和人臉識別精確度方面有了較大的提高。