視頻中基于檢測(cè)的人臉跟蹤方法研究與實(shí)現(xiàn).pdf

1、人臉圖像處理領(lǐng)域包含人臉識(shí)別、姿態(tài)估計(jì)、表情識(shí)別、視頻監(jiān)控等研究方向,而幾乎所有這些方向都涉及到人臉的檢測(cè)與跟蹤問(wèn)題。人臉檢測(cè)和跟蹤是人臉圖像處理的第一步,在基于內(nèi)容的圖像與視頻檢索、視頻監(jiān)視與跟蹤、數(shù)字視頻處理、視頻會(huì)議以及智能人機(jī)交互界面等方面都有著重要的應(yīng)用價(jià)值。
　　 本文研究工作從基于AdaBoost算法的人臉檢測(cè)出發(fā),分別從訓(xùn)練樣本與檢測(cè)過(guò)程對(duì)該算法進(jìn)行優(yōu)化,并在此基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了人臉檢測(cè)與跟蹤實(shí)驗(yàn)系統(tǒng)。
　

2、　 首先,AdaBoost算法效果的好壞關(guān)鍵在于前期訓(xùn)練時(shí)候的弱分類器的選取,而弱分類器的選取在一定程度上依賴于樣本集的選取。因而訓(xùn)練樣本集顯得十分重要。本文深入分析了級(jí)聯(lián)分類器與弱分類器之間的關(guān)系,從樣本選取角度出發(fā),根據(jù)檢測(cè)率、漏檢率與錯(cuò)檢率3個(gè)指標(biāo),提出一種基于改進(jìn)樣本選取的AdaBoost人臉檢測(cè)方法。該方法分為訓(xùn)練和檢測(cè)兩部分,主要通過(guò)對(duì)訓(xùn)練樣本的比例優(yōu)化和檢測(cè)窗口的合并來(lái)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明,該方法檢測(cè)性能上比傳統(tǒng)方法有更好