彩色圖像序列的人臉檢測、跟蹤與識別研究.pdf

1、人臉在社會交往中扮演著十分重要的角色，是人類在確定一個人身份時所采用的最普通的生物特征，研究人臉識別及其相關(guān)技術(shù)具有十分重要的理論和應用價值。彩色圖像序列的人臉檢測、跟蹤與識別技術(shù)是隨著計算機技術(shù)的高速發(fā)展和視頻監(jiān)控等應用的需要在近幾年才逐漸成為一個研究熱點。與基于靜態(tài)圖像的技術(shù)相比，彩色圖像序列提供了更加豐富的信息，比如顏色信息、運動信息等等，但是彩色圖像序列中的人臉檢測、跟蹤與識別有著更高的要求，如能夠適應成像條件、光線和復雜場景變

2、化，對圖像中的人臉的姿態(tài)、遮擋、時間變化等能進行有效的處理，而且應具有較高的計算效率等等。因此，對彩色圖像序列的人臉檢測、跟蹤與識別的研究還是一個任重而道遠的研究課題。 本論文針對彩色圖像序列這個范圍，就人臉檢測、跟蹤與識別技術(shù)中的核心技術(shù)與關(guān)鍵問題展開研究工作。其主要研究內(nèi)容與創(chuàng)新點包括： 1 提出了一種彩色圖像增強改進算法。主要從人眼對物體顏色的感知特性出發(fā)，在Retinex理論與算法的基礎(chǔ)上，針對迭代參數(shù)的選取作了

3、改進。改進的算法基于采用一種迭代截止條件，對參數(shù)進行自適應選取，避免了人工設(shè)定，并同時減少了整個算法的運算量。實驗結(jié)果表明，改進后的算法對彩色圖像的顏色、亮度、對比度處理的結(jié)果符合人眼視覺系統(tǒng)的感知特性，且改善了圖像的偏色情況。應用于彩色人臉檢測的預處理后，人臉正確檢測率得到提高。 2 依據(jù)人眼視覺特性，提出一種“由粗至精”的人臉膚色區(qū)域檢測方法。首先從彩色序列圖像中提取運動目標區(qū)域，以剔除無關(guān)背景，然后在運動目標區(qū)域中檢測膚色

4、特征(粗檢測)，接著結(jié)合運動目標的邊緣特征，對膚色區(qū)域進行形態(tài)學處理(精檢測)，最后檢測得到人臉膚色區(qū)域。 3 提出一種Self-Skin膚色檢測算法。這種算法拋棄了傳統(tǒng)的采用事先通過大量膚色樣本統(tǒng)計得到的膚色模型進行膚色檢測的思路，而是針對單幅圖像中的膚色分布，在色度空間中進行區(qū)域分割，同時結(jié)合了膚色統(tǒng)計信息，有效的克服傳統(tǒng)膚色模型方法中的“過檢測”問題。實驗表明，Self-Skin膚色檢測算法魯棒性好，能應用于復雜背景，且對

5、光線變化不敏感。 4 提出了一種彩色圖像序列的人臉檢測與跟蹤方法。該方法將人臉檢測與人臉跟蹤這兩個步驟有效的結(jié)合在一起，而不是分成兩個相對獨立的部分。其思想是先通過膚色檢測算法得到候選人臉區(qū)域，然后通過Condensation濾波跟蹤算法對候選人臉區(qū)域進行跟蹤，在跟蹤過程中提出了一種基于SVM的人臉置信度，每個采樣樣本的置信度隨著時間而進行更新，人臉驗證的結(jié)果基于置信度的后驗概率。實驗結(jié)果表明，該方法有效地解決了復雜背景中人臉姿

6、態(tài)變化情況下的人臉驗證與跟蹤問題，與靜態(tài)人臉檢測相比有更好的檢測與跟蹤效果。 5 提出了一種基于輪廓波變換的人臉識別方法。在分析輪廓波變換的基本原理和變換特點的基礎(chǔ)上，分別對輪廓波變換的低頻系數(shù)特征與高頻方向子帶統(tǒng)計特征進行研究。實驗結(jié)果表明，適當層次分解的輪廓波變換的低頻系數(shù)反映了姿態(tài)和表情的不變特征，具有優(yōu)異的人臉識別性能，而其高頻方向子帶系數(shù)可以用廣義高斯密度模型描述，反映了人臉的邊緣與輪廓等特征，也具有一定的識別性能。