視頻序列中的人臉檢測(cè)與跟蹤算法研究.pdf

1、圖像中的人臉信息分析對(duì)于生物特征識(shí)別、人機(jī)交互，視頻監(jiān)控、基于內(nèi)容的圖像檢索、圖像編碼、視頻會(huì)議等方面具有著廣泛的應(yīng)用前景，然而要想對(duì)人臉信息進(jìn)行分析，一個(gè)首要的問題就是要先在圖像或視頻序列中檢測(cè)或跟蹤到人臉，否則人臉信息分析也就無從談起。本文的研究主題正是視頻序列中的人臉檢測(cè)與跟蹤技術(shù)，其主要包括兩部分內(nèi)容： 1、視頻序列初始幀中的人臉檢測(cè)在該部分內(nèi)容中，主要圍繞膚色檢測(cè)算法進(jìn)行了研究，提出了兩種新的膚色檢測(cè)算法： (

2、1)基于KL變換的橢圓模型膚色檢測(cè)算法：算法首先對(duì)訓(xùn)練膚色樣本進(jìn)行了分布均勻化處理，然后以KL變化為基本工具最終得到了膚色分布區(qū)域的橢圓邊界方程。 (2)基于直接最小二乘橢圓擬合的膚色檢測(cè)算法：其基本思想是根據(jù)膚色樣本分布區(qū)域的邊界數(shù)據(jù)點(diǎn)采用曲線擬合的方法得到膚色分布區(qū)域的邊界方程。實(shí)踐表明，所提出的兩種膚色檢測(cè)算法簡單直觀，能完成對(duì)各種不同環(huán)境條件下所拍攝圖像的膚色分割，效果理想，其性能明顯優(yōu)于常用的域值界定法和單高斯模型法。

3、在膚色檢測(cè)給出人臉候選目標(biāo)區(qū)域的基礎(chǔ)上，文中同時(shí)給出了用支持向量機(jī)(SVM)對(duì)人臉目標(biāo)進(jìn)行精確定位的實(shí)現(xiàn)方法。 2、視頻序列中的人臉跟蹤該部分主要圍繞兩種跟蹤算法進(jìn)行了深入研究：一種是均值移動(dòng)人臉跟蹤，另一種是粒子濾波人臉跟蹤。針對(duì)這兩種算法存在的問題以及人臉跟蹤的具體特點(diǎn)，提出了如下幾種改進(jìn)算法： (1)基于均值移動(dòng)和橢圓擬合的人臉跟蹤算法：算法首先利用一個(gè)較大核函數(shù)帶寬的均值移動(dòng)跟蹤器對(duì)人臉目標(biāo)進(jìn)行粗略定位，在此基礎(chǔ)

4、上再用高效魯棒的直接最小二乘橢圓擬合方法來自動(dòng)調(diào)整人臉尺度的大小，實(shí)驗(yàn)表明該改進(jìn)算法能有效地解決均值移動(dòng)人臉跟蹤中的目標(biāo)尺度自適應(yīng)調(diào)整問題，其跟蹤效果明顯優(yōu)于一般的均值移動(dòng)目標(biāo)跟蹤算法。 (2)以顏色和形狀直方圖為線索的粒子濾波人臉跟蹤算法：算法在粒子濾波基本框架之下，引入了一種新的用直方圖來描述人臉形狀的方法。同時(shí)，為了減輕背景干擾，提出了一種經(jīng)驗(yàn)有效邊緣的檢測(cè)方法。實(shí)驗(yàn)表明，該跟蹤方法不僅能有效地處理人臉旋轉(zhuǎn)、背景中的膚色干

5、擾和部分遮掩問題，并且能夠在由于大面積遮掩等原因丟失目標(biāo)的情況下，及時(shí)有效地重新捕獲已丟失的目標(biāo)。 (3)基于均值移動(dòng)確定性漂移的改進(jìn)CONDENSATION人臉跟蹤算法：算法首先利用高效的均值移動(dòng)跟蹤器來初略定位人臉目標(biāo)，并以此結(jié)果來確定CONDENSATION中粒子動(dòng)態(tài)傳播模型的確定性漂移部分，然后只需加入一個(gè)較小的隨機(jī)擴(kuò)散噪聲來完成粒子的傳播，由于這樣所得的粒子點(diǎn)能較為集中地分布在狀態(tài)的真實(shí)區(qū)域附近，因而大大提高了粒子的利

6、用效率，人臉跟蹤實(shí)驗(yàn)表明該改進(jìn)算法的性能明顯優(yōu)于標(biāo)準(zhǔn)CONDENSATION方法。 (4)基于均值移動(dòng)重要性采樣的粒子濾波人臉跟蹤算法：算法的根本出發(fā)點(diǎn)在于讓重要性采樣函數(shù)充分考慮最近的觀測(cè)信息而使其對(duì)粒子的傳播更為準(zhǔn)確，該算法和基于均值移動(dòng)確定性漂移的改進(jìn)CONDENSATION人臉跟蹤算法的實(shí)現(xiàn)框架基本一致，但其實(shí)現(xiàn)的機(jī)理卻是基于重要性采樣的，人臉跟蹤實(shí)驗(yàn)表明了該算法的有效性。 (5)基于觀測(cè)似然重要性采樣的粒子濾波