基于pac的實時人臉檢測和跟蹤方法-畢業(yè)論文外文翻譯

1、基于基于PAC的實時人臉檢測和跟蹤方法的實時人臉檢測和跟蹤方法1摘要：摘要：這篇文章提出了復(fù)雜背景條件下，實現(xiàn)實時人臉檢測和跟蹤的一種方法。這種方法是以主要成分分析技術(shù)為基礎(chǔ)的。為了實現(xiàn)人臉的檢測，首先，我們要用一個膚色模型和一些動作信息(如：姿勢、手勢、眼色)。然后，使用PAC技術(shù)檢測這些被檢驗的區(qū)域，從而判定人臉真正的位置。而人臉跟蹤基于歐幾里德（Euclidian）距離的，其中歐幾里德距離在位于以前被跟蹤的人臉和最近被檢測的人臉之

2、間的特征空間中。用于人臉跟蹤的攝像控制器以這樣的方法工作：利用平衡（pantilt）平臺，把被檢測的人臉區(qū)域控制在屏幕的中央。這個方法還可以擴展到其他的系統(tǒng)中去，例如電信會議、入侵者檢查系統(tǒng)等等。1.引言視頻信號處理有許多應(yīng)用，例如鑒于通訊可視化的電信會議，為殘疾人服務(wù)的唇讀系統(tǒng)。在上面提到的許多系統(tǒng)中，人臉的檢測喝跟蹤視必不可缺的組成部分。在本文中，涉及到一些實時的人臉區(qū)域跟蹤[13]。一般來說，根據(jù)跟蹤角度的不同，可以把跟蹤方法分為

3、兩類。有一部分人把人臉跟蹤分為基于識別的跟蹤喝基于動作的跟蹤，而其他一部分人則把人臉跟蹤分為基于邊緣的跟蹤和基于區(qū)域的跟蹤[4]?；谧R別的跟蹤是真正地以對象識別技術(shù)為基礎(chǔ)的，而跟蹤系統(tǒng)的性能是受到識別方法的效率的限制?；趧幼鞯母櫴且蕾囉趧幼鳈z測技術(shù)，且該技術(shù)可以被分成視頻流（opticalflow）的（檢測）方法和動作—能量（motion－energy）的（檢測）方法?；谶吘壍模ǜ櫍┓椒ㄓ糜诟櫼环鶊D像序列的邊緣，而這些邊緣通

4、常是主要對象的邊界線。然而，因為被跟蹤的對象必須在色彩和光照條件下顯示出明顯的邊緣變化，所以這些方法會遭遇到彩色和光照的變化。此外，當(dāng)一幅圖像的背景有很明顯的邊緣時，（跟蹤方法）很難提供可靠的（跟蹤）結(jié)果。當(dāng)前很多的文獻都涉及到的這類方法時源于Kassetal.在蛇形匯率波動[5]的成就。因為視頻情景是從包含了多種多樣噪音的實時攝像機中獲得的，因此許多系統(tǒng)1DoJoonJungChangWooLeeYeonChulLeeSangYong

5、BakJongBaeKimHyunKangHangJoonKim.InternationalTechnicalConferenceonCircuitsSystemsComputersCommunications(ITCCSCC02)2.2動作檢測雖然膚色在特征的應(yīng)用種非常廣泛，但是當(dāng)膚色同時出現(xiàn)在背景區(qū)域和人的皮膚區(qū)域時，膚色就不適合于人臉檢測了。利用動作信息可以有效地去除這個缺點。為了精確，在膚色分類后，僅考慮包含動作的膚色區(qū)域。結(jié)果

6、，結(jié)合膚色模型的動作信息導(dǎo)出了一幅包含情景（人臉區(qū)域）和背景（非人臉區(qū)域）的二進制圖像。這幅二進制圖像定義為，其中It(xy)和It1(xy)分別是當(dāng)前幀和前面那幀中像素（xy）的亮度。St是當(dāng)前幀中膚色像素的集合，（斯坦）t是利用適當(dāng)?shù)拈撓藜夹g(shù)計算出的閾限值[9]。作為一個加速處理的過程，我們利用形態(tài)學(xué)（上）的操作（mpholoicaloperations）和連接成分分析，簡化了圖像Mt。2.3利用PCA檢驗人臉因為有許多移動的對象，

7、所以按序跟蹤人臉的主要部分是很困難的。此外，還需要檢驗這個移動的對象是人臉還是非人臉。我們使用特征空間中候選區(qū)域的分量向量來為人臉檢驗問題服務(wù)。為了減少該特征空間的維度，我們把N維的候選人臉圖像投影到較低維度的特征空間，我們稱之為特征空間或人臉空間[78]。在特征空間中，每個特征說明了人臉圖像中不同的變化。為了簡述這個特征空間，假設(shè)一個圖像集合I1，I2，I3，…，IM，其中每幅圖像是一個N維的列向量，并以此構(gòu)成人臉空間。這個訓(xùn)練（測試

8、）集的平均值用A＝來定義。用i＝II－A來計算每一維的零平均數(shù)，并以此構(gòu)M1??MiIi1?成一個新的向量。為了計算M的直交向量，其中該向量是用來最佳地描述人臉圖像地分布，首先，使用C＝iir＝Y(jié)Yr（4）來計算協(xié)方差矩陣Y＝[M1??Mi1??12…M]。雖然矩陣C是NN維的，但是定義一個N維的特征向量和N???個特征值是個難處理的問題。因此，為了計算的可行性，與其為C找出特征向量，不如我們計算[YTY]中M個特征向量vk和特征值k，