快速人臉檢測與跟蹤.pdf

1、人臉檢測要走向實際應用，精度和速度是亟需解決的兩個關鍵問題。經過十多年的發(fā)展，人臉檢測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走向實用的絆腳石。因此，如何構建快速實用的人臉檢測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環(huán)境光照，根據估計結果在YCbCr顏色空間中采用相應的高斯分布膚色模型，并利

2、用動態(tài)閾值對人臉圖像進行分割。實驗結果表明，本文提出的算法對于非正常光照下，復雜背景的圖像具有良好的分割效果。將本文算法加入到實驗室基于膚色的人臉檢測的程序中，比原系統(tǒng)的檢測率提高了5.4％。 Viola提出的基于Adaboost的人臉檢測算法包含三部分內容：利用積分圖快速計算Harr-like特征；利用Adaboost算法將若干個弱分類器組合成一個強分類器；將訓練出來的一系列強分類器串連起來，構成層疊分類器。本文在對該算法進行

3、深入研究之后，根據人臉的邊緣幾何特征，在原有Adboost人臉檢測算法中引入邊緣方向特征(EDF)，將擴展的Haar-like特征和EDF特征結合在一起，構成新的特征庫，再利用Adaboost程序框架訓練分類器。實驗結果表明，加入邊緣方向特征之后，該算法可以在比較小的訓練樣本上達到更高的檢測率，最終訓練的分類器比原分類器具有更高的檢測率。 根據多媒體教學系統(tǒng)的應用需求，本文結合Adaboost人臉檢測算法和Camshift跟蹤算