基于視頻的人臉檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、視頻人臉檢測(cè)技術(shù)受到高度關(guān)注，應(yīng)用領(lǐng)域相當(dāng)廣泛，如視頻監(jiān)控、圖像檢索、人機(jī)交互等，然而對(duì)處于不同角度的人臉的實(shí)時(shí)檢測(cè)仍然是這個(gè)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(cè)、跟蹤問(wèn)題，結(jié)合預(yù)檢測(cè)與后驗(yàn)證機(jī)制，提出基于改進(jìn)的Adaboost的檢測(cè)算法；首先介紹視頻人臉檢測(cè)技術(shù)的發(fā)展和常用方法，然后闡述視頻人臉檢測(cè)系統(tǒng)原型的設(shè)計(jì)與實(shí)現(xiàn)，最后在標(biāo)準(zhǔn)人臉庫(kù)和視頻環(huán)境中測(cè)試性能、分析結(jié)果。重點(diǎn)是視頻人臉檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)，系統(tǒng)

2、分為四大模塊：運(yùn)動(dòng)目標(biāo)預(yù)檢測(cè)模塊；人臉檢測(cè)模塊；人臉驗(yàn)證模塊；人臉跟蹤模塊。本文創(chuàng)新之處有三點(diǎn)：利用預(yù)檢測(cè)模塊縮小和簡(jiǎn)化檢測(cè)范圍與環(huán)境，提高系統(tǒng)檢測(cè)速度的同時(shí)降低了誤報(bào)率；引入擴(kuò)展haar-like特征實(shí)現(xiàn)視頻中多角度檢測(cè)；結(jié)合膚色模型與樣本模板進(jìn)行人臉驗(yàn)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(cè)模塊則利用Adaboost算法從潛在的人臉圖像區(qū)域中檢測(cè)而得

3、到候選人臉，本文重點(diǎn)在于分類器的訓(xùn)練與分析，并在此基礎(chǔ)上構(gòu)建了一個(gè)檢測(cè)器的原型，實(shí)驗(yàn)表明我們的檢測(cè)可以實(shí)現(xiàn)實(shí)時(shí)的視頻人臉檢測(cè)，可達(dá)到95.35％檢測(cè)率。人臉驗(yàn)證模塊使用一種新的驗(yàn)證機(jī)制—膚色模型與模板匹配的層疊驗(yàn)證候選人臉，首先利用基于HSV與YCbCr空間的膚色模型進(jìn)行第一層驗(yàn)證，然后使用人臉模板進(jìn)行第二層驗(yàn)證；實(shí)驗(yàn)表明結(jié)合驗(yàn)證機(jī)制的檢測(cè)器在保持原有高檢測(cè)率的基礎(chǔ)上，誤報(bào)率僅為0.48%。人臉跟蹤模塊利用高效的Camshift算法對(duì)人