基于視頻的人臉檢測系統(tǒng)的研究與實現(xiàn).pdf

1、視頻人臉檢測技術(shù)受到高度關(guān)注，應用領(lǐng)域相當廣泛，如視頻監(jiān)控、圖像檢索、人機交互等，然而對處于不同角度的人臉的實時檢測仍然是這個領(lǐng)域中極富挑戰(zhàn)性的課題。本文研究的是視頻序列中不同角度的人臉檢測、跟蹤問題，結(jié)合預檢測與后驗證機制，提出基于改進的Adaboost的檢測算法；首先介紹視頻人臉檢測技術(shù)的發(fā)展和常用方法，然后闡述視頻人臉檢測系統(tǒng)原型的設(shè)計與實現(xiàn)，最后在標準人臉庫和視頻環(huán)境中測試性能、分析結(jié)果。重點是視頻人臉檢測系統(tǒng)的研究與實現(xiàn)，系統(tǒng)

2、分為四大模塊：運動目標預檢測模塊；人臉檢測模塊；人臉驗證模塊；人臉跟蹤模塊。本文創(chuàng)新之處有三點：利用預檢測模塊縮小和簡化檢測范圍與環(huán)境，提高系統(tǒng)檢測速度的同時降低了誤報率；引入擴展haar-like特征實現(xiàn)視頻中多角度檢測；結(jié)合膚色模型與樣本模板進行人臉驗證。
　　本研究基于背景差分的思想利用GMM模型分離背景與前景，然后借助部件連接得到興趣區(qū)域位置、大小等信息。人臉檢測模塊則利用Adaboost算法從潛在的人臉圖像區(qū)域中檢測而得

3、到候選人臉，本文重點在于分類器的訓練與分析，并在此基礎(chǔ)上構(gòu)建了一個檢測器的原型，實驗表明我們的檢測可以實現(xiàn)實時的視頻人臉檢測，可達到95.35％檢測率。人臉驗證模塊使用一種新的驗證機制—膚色模型與模板匹配的層疊驗證候選人臉，首先利用基于HSV與YCbCr空間的膚色模型進行第一層驗證，然后使用人臉模板進行第二層驗證；實驗表明結(jié)合驗證機制的檢測器在保持原有高檢測率的基礎(chǔ)上，誤報率僅為0.48%。人臉跟蹤模塊利用高效的Camshift算法對人