基于OpenCV的人臉檢測識(shí)別及跟蹤的研究.pdf

1、人臉檢測定位與跟蹤是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域中重要的基礎(chǔ)研究課題，在基于內(nèi)容的圖像與視頻檢索、視頻監(jiān)控、自動(dòng)人臉識(shí)別以及智能人機(jī)交互等方面有著重要的應(yīng)用價(jià)值。 本文闡述了國內(nèi)外人臉識(shí)別技術(shù)研究也應(yīng)用的發(fā)展現(xiàn)狀，介紹了常見的人臉檢測識(shí)別方法，重點(diǎn)分析了集成機(jī)器學(xué)習(xí)的一個(gè)重要機(jī)制：多個(gè)弱分類器集成的方法，機(jī)器學(xué)習(xí)中的弱學(xué)習(xí)到強(qiáng)學(xué)習(xí)，集成的關(guān)鍵是投票，最簡單的方法是“絕對(duì)多數(shù)”的方法。在本文中著重討論了Viola等提出的基于AdaBo

2、ost的實(shí)時(shí)人臉檢測算法，該方法使用了Harr—like特征表示圖像，引入了“積分圖”概念，提高了特征的計(jì)算速度，采用AdaBoost方法選擇少量特征組成強(qiáng)分類器，使用了“Cascade”策略提高人臉檢測速度，取得較好檢測性能。文中還詳細(xì)闡述了當(dāng)今國內(nèi)外流行的人臉跟蹤算法，并且討論了各算法的優(yōu)缺點(diǎn)，最后基于Meanshift跟蹤算法，并以卡爾曼濾波器作為目標(biāo)估計(jì)方法，實(shí)現(xiàn)了視頻中人臉的跟蹤。 本文還改進(jìn)了Meanshift的人臉

3、跟蹤算法，在該算法引入自適應(yīng)跟蹤窗口，使其夠連續(xù)準(zhǔn)確地對(duì)目標(biāo)進(jìn)行跟蹤，制作了訓(xùn)練系統(tǒng)框架，討論了跟蹤窗口的建立與管理，多目標(biāo)的序貫跟蹤，目標(biāo)的對(duì)應(yīng)問題，及目標(biāo)隊(duì)列的更新，并對(duì)比了不同人臉檢測方法使用的樣本集規(guī)模，在文中詳細(xì)介紹了Adaboost分類器的訓(xùn)練原理及方法，訓(xùn)練分類器的詳細(xì)設(shè)計(jì)過程并給出訓(xùn)練程序的代碼。 本文中人臉?biāo)惴ǖ难芯渴腔贠penCV開源代碼的。在OpenCV開源代碼中設(shè)計(jì)了一些基礎(chǔ)的數(shù)據(jù)類型和一些幫助數(shù)據(jù)類型