人臉檢測(cè)與跟蹤的算法研究.pdf

1、人臉檢測(cè)與人臉跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)學(xué)科里一個(gè)重要的研究方向。隨著近年來(lái)計(jì)算機(jī)技術(shù)的發(fā)展，人臉檢測(cè)與人臉跟蹤技術(shù)的發(fā)展迅猛，并且在諸多領(lǐng)域有著廣泛的應(yīng)用，尤其在安防監(jiān)控、人臉?biāo)阉饕约叭藱C(jī)交互等諸多領(lǐng)域有著比較廣泛而又重要的應(yīng)用，極大地推進(jìn)了人居生活的現(xiàn)代化。本文在對(duì)國(guó)內(nèi)外人臉檢測(cè)與人臉跟蹤的研究結(jié)果進(jìn)行分析和討論后，針對(duì)其中的一些問(wèn)題提出了一些改進(jìn)方法，并通過(guò)實(shí)驗(yàn)進(jìn)行了有效性驗(yàn)證。本文的主要工作如下:
　　(1)提出了基于改進(jìn)高斯模

2、型的膚色分割算法。對(duì)于復(fù)雜背景以及不同光照下的膚色分割，本文采用閾值模型對(duì)當(dāng)前被檢測(cè)圖像進(jìn)行膚色分割構(gòu)造當(dāng)前高斯模型，然后將當(dāng)前高斯模型與傳統(tǒng)高斯模型進(jìn)行組合構(gòu)造改進(jìn)高斯模型。改進(jìn)高斯模型膚色分割算法可以適應(yīng)當(dāng)前被檢測(cè)圖像的光照和膚色分布，降低了傳統(tǒng)高斯模型膚色分割算法的誤檢率與漏檢率。在包含復(fù)雜背景及不同光照的人臉圖片庫(kù)中進(jìn)行實(shí)驗(yàn)，驗(yàn)證了該算法的有效性。
　　(2)提出了基于改進(jìn)膚色模型與Adaboost的人臉檢測(cè)方法。該方法將

3、Adaboost方法與改進(jìn)膚色模型進(jìn)行結(jié)合，首先利用Adaboost方法對(duì)待檢測(cè)圖像進(jìn)行檢測(cè)獲得候選人臉區(qū)域，然后使用改進(jìn)膚色模型分割算法對(duì)候選人臉區(qū)域進(jìn)行再次檢測(cè)，剔除掉非人臉區(qū)域。實(shí)驗(yàn)結(jié)果表明該方法能夠有效地降低Adaboost算法人臉檢測(cè)方法的誤檢率。
　　(3)提出了基于分塊壓縮感知的人臉跟蹤算法。該方法針對(duì)壓縮跟蹤算法對(duì)于人臉目標(biāo)被部分遮擋時(shí)跟蹤目標(biāo)容易丟失的缺點(diǎn)做出一些改進(jìn)。首先對(duì)人臉目標(biāo)進(jìn)行分割得到多個(gè)分塊，然后通過(guò)