基于視頻序列的動態(tài)人臉檢測與跟蹤算法研究.pdf

1、　　隨著科學技術的快速發(fā)展和人類日常生活的需要，人臉檢測與跟蹤技術已經(jīng)成為圖像處理與計算視覺的一個熱門話題?；谝曨l序列的人臉檢測與跟蹤技術也隨之發(fā)展應用于生產(chǎn)生活的各個領域，如視頻會議，智能監(jiān)控等。
　　本文研究了國內(nèi)外大量有關視頻序列人臉檢測與跟蹤算法，分析了目前人臉檢測與跟蹤技術發(fā)展狀況。重點對基于視頻序列的人臉檢測與跟蹤算法進行了深入的研究和探索，以提高人臉檢測的速度及精確性為主線，在已有研究成果的基礎上設計并實現(xiàn)了一

2、種有效、快速的基于視頻序列的人臉檢測與跟蹤算法。主要工作包括：
　　第一，針對由于環(huán)境和攝像頭的影響，視頻可能受到光照不均勻、噪聲等外部條件的干擾導致檢測性能降低的情況。本文研究了視頻圖像預處理的方法，以視頻幀圖像為單位對每一幀進行處理，經(jīng)過光照補償、濾波等處理，能夠明顯提高圖片的質(zhì)量。實驗證明經(jīng)過處理的圖像對提高人臉檢測精確性有很重要的意義。
　　第二，針對基于視頻的人臉檢測與跟蹤對實時性的要求，對具有復雜背景的視

3、頻序列，本文提出首先利用膚色特征提取背景中膚色及類膚色區(qū)域作為候選區(qū)域的方法。進而利用二維線性子空間PCA特征提取算法對候選區(qū)域進行一定程度降維，有效地減小了候選區(qū)域的大小。
　　第三，研究了Adaboos t算法在人臉檢測中的應用，分析實現(xiàn)了Adaboos t算法中的弱分類器、強分類器以及級聯(lián)分類器的訓練。為了減小數(shù)據(jù)開銷，本文提出了加大矩形特征移動步長和剔除邊緣像素的方法，實現(xiàn)了對Harr-like特征數(shù)量的改進和優(yōu)化。

4、
　　第四，分析對比了均值漂移(Mea n s hift)和粒子濾波兩種經(jīng)典視頻序列跟蹤算法。針對該算法不能實時的改變搜索窗口的情況。在Mea n s hift算法上進行了改進，將Mea n s hift前一幀結果作為下一幀初始化窗口得到Camshift算法，保留了Mean shift算法的優(yōu)點克服了其缺點。
　　通過融合膚色特征、PCA特征以及Adaboost分類算法本文設計了一個人臉檢測系統(tǒng)，再利用器官梯度特征對檢