視頻序列中的人臉檢測與跟蹤算法研究.pdf

1、圖像中的人臉信息分析對于生物特征識別、人機交互，視頻監(jiān)控、基于內容的圖像檢索、圖像編碼、視頻會議等方面具有著廣泛的應用前景，然而要想對人臉信息進行分析，一個首要的問題就是要先在圖像或視頻序列中檢測或跟蹤到人臉，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與跟蹤技術，其主要包括兩部分內容： 1、視頻序列初始幀中的人臉檢測在該部分內容中，主要圍繞膚色檢測算法進行了研究，提出了兩種新的膚色檢測算法： (

2、1)基于KL變換的橢圓模型膚色檢測算法：算法首先對訓練膚色樣本進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算法：其基本思想是根據膚色樣本分布區(qū)域的邊界數據點采用曲線擬合的方法得到膚色分布區(qū)域的邊界方程。實踐表明，所提出的兩種膚色檢測算法簡單直觀，能完成對各種不同環(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、在膚色檢測給出人臉候選目標區(qū)域的基礎上，文中同時給出了用支持向量機(SVM)對人臉目標進行精確定位的實現方法。 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行了深入研究：一種是均值移動人臉跟蹤，另一種是粒子濾波人臉跟蹤。針對這兩種算法存在的問題以及人臉跟蹤的具體特點，提出了如下幾種改進算法： (1)基于均值移動和橢圓擬合的人臉跟蹤算法：算法首先利用一個較大核函數帶寬的均值移動跟蹤器對人臉目標進行粗略定位，在此基礎

4、上再用高效魯棒的直接最小二乘橢圓擬合方法來自動調整人臉尺度的大小，實驗表明該改進算法能有效地解決均值移動人臉跟蹤中的目標尺度自適應調整問題，其跟蹤效果明顯優(yōu)于一般的均值移動目標跟蹤算法。 (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，為了減輕背景干擾，提出了一種經驗有效邊緣的檢測方法。實驗表明，該跟蹤方法不僅能有效地處理人臉旋轉、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的情況下，及時有效地重新捕獲已丟失的目標。 (3)基于均值移動確定性漂移的改進CONDENSATION人臉跟蹤算法：算法首先利用高效的均值移動跟蹤器來初略定位人臉目標，并以此結果來確定CONDENSATION中粒子動態(tài)傳播模型的確定性漂移部分，然后只需加入一個較小的隨機擴散噪聲來完成粒子的傳播，由于這樣所得的粒子點能較為集中地分布在狀態(tài)的真實區(qū)域附近，因而大大提高了粒子的利

6、用效率，人臉跟蹤實驗表明該改進算法的性能明顯優(yōu)于標準CONDENSATION方法。 (4)基于均值移動重要性采樣的粒子濾波人臉跟蹤算法：算法的根本出發(fā)點在于讓重要性采樣函數充分考慮最近的觀測信息而使其對粒子的傳播更為準確，該算法和基于均值移動確定性漂移的改進CONDENSATION人臉跟蹤算法的實現框架基本一致，但其實現的機理卻是基于重要性采樣的，人臉跟蹤實驗表明了該算法的有效性。 (5)基于觀測似然重要性采樣的粒子濾波