序列圖像中的人臉運動分析關鍵技術研究.pdf

1、視頻人臉的檢測與跟蹤是計算機視覺與模式識別領域中一個核心課題,在視頻監(jiān)控、人機交互、視頻會議、身份認證以及多媒體領域等方面有著廣泛的應用價值。視頻中人臉的處理主要分為三個步驟:人臉檢測、人臉跟蹤、人臉識別。人臉檢測與跟蹤往往由于復雜的背景環(huán)境和外界光照的變化以及復雜的人臉姿態(tài)而變得更加困難。該文針對如何有效的解決以上問題及提高跟蹤的魯棒性和精確性做了重點研究。
　　 該文主要研究的是復雜背景中人臉的檢測與實時跟蹤。在動態(tài)圖像中實

2、時提取人臉輪廓需要解決如下兩方面問題:(1)如何在具有復雜的連續(xù)圖像中實時檢測到人臉區(qū)域;(2)如何能夠在后續(xù)運動圖像中跟蹤人臉輪廓。
　　 針對這些問題,該文提出了把膚色模型和差分運動模型相結合以提取人臉輪廓的初始位置,然后用Level Set及GVF Snake兩種不同的主動輪廓模型算法分別對人臉的精確位置提取,并對這兩種方法的優(yōu)劣進行比較。為了提高動態(tài)圖像序列中人臉輪廓跟蹤時跟蹤算法的實時性,同時解決人臉跟蹤中的遮擋問題,

3、提出以灰色模型GM(1,1)算法進行人臉輪廓的實時跟蹤。根據(jù)人臉輪廓運動的整體性,利用GM(1,1)模型預測人臉輪廓質心的位移,從而估計出人臉輪廓線的運動規(guī)律,以此作為主動輪廓模型算法的迭代依據(jù),同時主動輪廓模型算法提取人臉輪廓的質心作為下一幀圖像GM(1,1)模型的預測依據(jù)。
　　 隨后,該文又針對圖像序列中人臉輪廓跟蹤時GVF Snake算法對人臉從遠到近變化時不能提取到精確邊緣、GVF Snake模型難以解決的深凹陷的問題

4、以及為了更好解決遮擋問題,提出了改進GVF Snake與Mean Shift相結合的人臉輪廓提取方法。該方法首先利用Mean Shift跟蹤得到初始人臉區(qū)域,然后采用改進的GVF Snake算法將人臉輪廓精確地提取出來,從而有效解決GVF Snake算法初始化和不能迭代進入深凹陷問題。在遇到遮擋時,該文利用Mean Shift及GM(1,1)能有效的解決。實驗結果表明,該算法在靜態(tài)與動態(tài)場景下均能實現(xiàn)精確跟蹤,對目標的不規(guī)則運動和嚴重遮