基于視頻監(jiān)控的人臉檢測(cè)與跟蹤算法研究與應(yīng)用.pdf

1、近些年來視頻監(jiān)控系統(tǒng)越來越普及，視頻監(jiān)控規(guī)模也越來越大，這對(duì)于安全防盜、異常告警、犯罪取證和刑事案件的偵破等具有卓越的效果。人臉檢測(cè)與跟蹤是視頻監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)，是計(jì)算機(jī)視覺領(lǐng)域熱門的研究方向，具有重要的研究價(jià)值和廣闊的市場前景。由于視頻監(jiān)控的環(huán)境比較復(fù)雜，會(huì)給人臉檢測(cè)與跟蹤帶來困難?，F(xiàn)有的人臉檢測(cè)算法在復(fù)雜環(huán)境下的人臉檢測(cè)效率和準(zhǔn)確率較低，人臉跟蹤算法在人臉跟蹤過程中的實(shí)時(shí)性和魯棒性較差，而且人臉容易跟蹤丟失。本文對(duì)視頻監(jiān)控中的人

2、臉檢測(cè)和跟蹤算法進(jìn)行研究，對(duì)于提高視頻監(jiān)控中的人臉檢測(cè)效率、準(zhǔn)確率和人臉跟蹤過程中的實(shí)時(shí)性和魯棒性具有重要的意義。
　　為提高視頻監(jiān)控中的人臉檢測(cè)效率和準(zhǔn)確率以及人臉跟蹤過程中的實(shí)時(shí)性和魯棒性，本文提出了基于膚色分割與篩選的Adaboost人臉檢測(cè)算法和基于Camshift聚類的粒子濾波人臉跟蹤算法，并將算法應(yīng)用到視頻監(jiān)控客戶端中，實(shí)現(xiàn)了人臉檢測(cè)與跟蹤功能。本文主要工作有如下幾點(diǎn):
　　1.針對(duì)提高視頻監(jiān)控中人臉檢測(cè)效率和準(zhǔn)

3、確率的問題，提出了一種基于膚色分割與篩選的Adaboost人臉檢測(cè)算法。在選定色彩空間和膚色模型之后，利用膚色分割與篩選對(duì)人臉進(jìn)行第一次檢測(cè)，選出類似人臉區(qū)域;然后通過Adaboost算法訓(xùn)練人臉樣本集，將通過膚色分割與篩選之后的類似人臉區(qū)域送入Adaboost算法的級(jí)聯(lián)分類器中，再次檢測(cè)人臉。此時(shí)Adaboost算法的級(jí)聯(lián)分類器不需要對(duì)整個(gè)待檢測(cè)圖片進(jìn)行搜索檢測(cè)，只要對(duì)類似人臉區(qū)域進(jìn)行檢測(cè)，加快了級(jí)聯(lián)分類器檢測(cè)人臉的效率，提高了人臉檢

4、測(cè)準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明:該算法在檢測(cè)率和誤檢率等方面都有提升。
　　2.針對(duì)Camshift算法無法處理相似背景顏色干擾、背景復(fù)雜和傳統(tǒng)粒子濾波人臉跟蹤算法中的粒子退化、計(jì)算量大等問題，提出了一種基于Camshift聚類的粒子濾波人臉跟蹤算法。在粒子濾波框架下，將Camshift算法中的聚類方法引入人臉狀態(tài)估計(jì)中，使每個(gè)粒子沿著梯度最大方向迭代至局部密度最大值區(qū)域，讓所有粒子移動(dòng)到與人臉顏色相似的區(qū)域。實(shí)驗(yàn)結(jié)果表明:該算法用較少的