人臉檢測與跟蹤系統(tǒng)在Android平臺下的研究與實現(xiàn).pdf

1、隨著人工智能和計算機技術(shù)的飛速發(fā)展,計算機視覺領(lǐng)域的研究取得了長足的進步。人臉檢測與跟蹤技術(shù)作為基于人臉的計算機視覺領(lǐng)域的基礎(chǔ)和核心技術(shù),正吸引越來越多的科研人員投身到其研究中來,并且不斷有研究成果出現(xiàn)。
　　 本文采用了基于MB-LBP特征的Adaboost人臉檢測算法。MB-LBP特征是通過LBP對矩形區(qū)域進行編碼,可以有效表示各種圖像結(jié)構(gòu),比如:邊緣、線條、點、平面和拐角等。相比于Haar-like矩形特征,MB-LBP特

2、征的特征集要少的多,從而使弱分類器的訓(xùn)練速度有明顯提高;通過實驗證明,MB-LBP特征的人臉識別能力更加顯著,因此在降低分類器級數(shù)及每級弱分類器個數(shù)的情況下,分類器性能卻不會下降。實驗結(jié)果表明,基于MB-LBP特征的Adaboost人臉檢測算法在檢測性能沒有損耗的情況下,檢測速度有明顯提高。
　　 本文采用CamShift目標(biāo)跟蹤算法實現(xiàn)了基于膚色的人臉實時跟蹤。此跟蹤算法利用HSV彩色模型中的色度分量H來計算人臉區(qū)域的顏色直方

3、圖,同時為了剔除與人臉區(qū)域色度信息相近的區(qū)域,加入了飽和度信息和亮度信息。實驗結(jié)果表明,采用本文所描述的加入飽和度和亮度信息的方式,CamShift人臉跟蹤算法的魯棒性有了明顯提高。
　　 最后,本文以Android手機智能基座為產(chǎn)品模型,基于改進的人臉檢測與跟蹤算法并通過OpenCV庫在Android平臺下實現(xiàn)了人臉檢測與跟蹤系統(tǒng)。本系統(tǒng)首先通過Android手機前置攝像頭采集的視頻信息,然后進行人臉檢測與跟蹤,最后通過USB

4、外設(shè)實時控制基座隨人臉轉(zhuǎn)動?；谥悄芑男枨?與USB外設(shè)進行通信時,Android手機需運行于USBaccessory模式。由于需要對人臉檢測與跟蹤函數(shù)進行代碼改寫以實現(xiàn)改進的人臉檢測與跟蹤算法,同時為了使其運行于本地端以提高運行速度,我們采用了OpenCV的C++接口。但由于Android應(yīng)用程序通過Java編程語言實現(xiàn),這就涉及到Java與C++互相調(diào)用的問題,故采用JNI接口實現(xiàn)此目的,同時采用Android NDK進行本地代