基于視頻的多目標(biāo)人臉跟蹤算法研究與實(shí)現(xiàn).pdf

1、隨著網(wǎng)絡(luò)與視頻技術(shù)的迅猛發(fā)展，數(shù)字化視頻監(jiān)控技術(shù)在全社會(huì)得到了廣泛應(yīng)用，如公安天網(wǎng)系統(tǒng)，道路視頻監(jiān)控系統(tǒng)，以及眾多的商場、社區(qū)和樓宇視頻監(jiān)控系統(tǒng)等。這些系統(tǒng)能實(shí)時(shí)記錄和存儲(chǔ)所監(jiān)控的場景的視頻信息，為后續(xù)視頻內(nèi)容分析，提供了大量的數(shù)據(jù)支撐。然而，針對(duì)這些大規(guī)模的視頻數(shù)據(jù)的監(jiān)控與分析，亟需大量的人力和物力參與。因此，視頻自動(dòng)分析成為了數(shù)字化視頻監(jiān)控的關(guān)鍵技術(shù)。本文以視頻分析中所涉及的人臉跟蹤為研究內(nèi)容，在跟蹤方法等關(guān)鍵技術(shù)上進(jìn)行了深入研究和

2、探索，提出了魯棒性較好的算法，實(shí)現(xiàn)了人臉的可靠跟蹤。
　　本文的具體研究內(nèi)容及創(chuàng)新為：
　?。?）在特征選擇上，本文采用了小波特征來進(jìn)行人臉跟蹤。目前的跟蹤算法以顏色為特征很容易出現(xiàn)跟蹤中的目標(biāo)錯(cuò)位抖動(dòng)的情況，算法穩(wěn)定性差，背景的干擾較大。小波特征是一種具有多分辨率描述性質(zhì)的目標(biāo)特征，對(duì)圖像整體的低灰度級(jí)別的描述，結(jié)合對(duì)部分細(xì)節(jié)區(qū)域的高分辨率描述能夠較好的描述目標(biāo)，降低背景的干擾，結(jié)合主元分析降維技術(shù)來降低特征的維數(shù)，進(jìn)而減

3、小小波特征匹配處理的計(jì)算量。
　?。?）在人臉模型建模上，本文采用的是具有記憶性的建模算法。目標(biāo)人臉在跟蹤過程中在不是一成不變的，人臉的轉(zhuǎn)向、側(cè)臉都會(huì)改變對(duì)人臉的描述結(jié)果，而當(dāng)出現(xiàn)短暫的遮擋時(shí)，人臉會(huì)部分或全部丟失，具有記憶性的基準(zhǔn)模型建模算法對(duì)最近一段時(shí)間內(nèi)的目標(biāo)人臉進(jìn)行記錄，基準(zhǔn)模型用模型集合加權(quán)表示，基準(zhǔn)模型集合動(dòng)態(tài)更新，能夠平緩的適應(yīng)目標(biāo)人臉的變化，當(dāng)目標(biāo)出現(xiàn)短暫的遮擋丟失時(shí)也會(huì)在目標(biāo)再次出現(xiàn)后跟蹤到目標(biāo)。
　　（3

4、）算法同時(shí)結(jié)合了顏色特征來進(jìn)行無效粒子的濾除。在建立的粒子樣本中首先通過顏色特征快速的將無效粒子排除，只對(duì)有效粒子進(jìn)行基于小波特征的計(jì)算處理，這樣可避免算法在非目標(biāo)區(qū)域上花費(fèi)過多時(shí)間，而把重點(diǎn)放在對(duì)目標(biāo)人臉相似區(qū)域的處理上。
　　基于上述人臉跟蹤算法，運(yùn)用Microsoft Visual Studio2008集成開發(fā)環(huán)境下結(jié)合開源庫OpenCV2.3.1和界面庫Microsoft Foundation Classes(MFC)，開