快速人臉檢測(cè)與跟蹤.pdf

1、人臉檢測(cè)要走向?qū)嶋H應(yīng)用，精度和速度是亟需解決的兩個(gè)關(guān)鍵問題。經(jīng)過十多年的發(fā)展，人臉檢測(cè)的精度得到了大幅度的提高，但是速度卻一直是阻撓人臉檢測(cè)走向?qū)嵱玫慕O腳石。因此，如何構(gòu)建快速實(shí)用的人臉檢測(cè)與跟蹤算法是本文研究的主要問題。 本文在基于膚色分割的人臉檢測(cè)系統(tǒng)中，將顏色恒常性算法引入到膚色分割中，較好解決了不同光照條件下的膚色分割問題。利用顏色恒常性算法估計(jì)環(huán)境光照，根據(jù)估計(jì)結(jié)果在YCbCr顏色空間中采用相應(yīng)的高斯分布膚色模型，并利

2、用動(dòng)態(tài)閾值對(duì)人臉圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，本文提出的算法對(duì)于非正常光照下，復(fù)雜背景的圖像具有良好的分割效果。將本文算法加入到實(shí)驗(yàn)室基于膚色的人臉檢測(cè)的程序中，比原系統(tǒng)的檢測(cè)率提高了5.4％。 Viola提出的基于Adaboost的人臉檢測(cè)算法包含三部分內(nèi)容：利用積分圖快速計(jì)算Harr-like特征；利用Adaboost算法將若干個(gè)弱分類器組合成一個(gè)強(qiáng)分類器；將訓(xùn)練出來的一系列強(qiáng)分類器串連起來，構(gòu)成層疊分類器。本文在對(duì)該算法進(jìn)行

3、深入研究之后，根據(jù)人臉的邊緣幾何特征，在原有Adboost人臉檢測(cè)算法中引入邊緣方向特征(EDF)，將擴(kuò)展的Haar-like特征和EDF特征結(jié)合在一起，構(gòu)成新的特征庫，再利用Adaboost程序框架訓(xùn)練分類器。實(shí)驗(yàn)結(jié)果表明，加入邊緣方向特征之后，該算法可以在比較小的訓(xùn)練樣本上達(dá)到更高的檢測(cè)率，最終訓(xùn)練的分類器比原分類器具有更高的檢測(cè)率。 根據(jù)多媒體教學(xué)系統(tǒng)的應(yīng)用需求，本文結(jié)合Adaboost人臉檢測(cè)算法和Camshift跟蹤算