序列圖像中的人臉運(yùn)動(dòng)分析關(guān)鍵技術(shù)研究.pdf

1、視頻人臉的檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域中一個(gè)核心課題,在視頻監(jiān)控、人機(jī)交互、視頻會(huì)議、身份認(rèn)證以及多媒體領(lǐng)域等方面有著廣泛的應(yīng)用價(jià)值。視頻中人臉的處理主要分為三個(gè)步驟:人臉檢測(cè)、人臉跟蹤、人臉識(shí)別。人臉檢測(cè)與跟蹤往往由于復(fù)雜的背景環(huán)境和外界光照的變化以及復(fù)雜的人臉姿態(tài)而變得更加困難。該文針對(duì)如何有效的解決以上問(wèn)題及提高跟蹤的魯棒性和精確性做了重點(diǎn)研究。
　　 該文主要研究的是復(fù)雜背景中人臉的檢測(cè)與實(shí)時(shí)跟蹤。在動(dòng)態(tài)圖像中實(shí)

2、時(shí)提取人臉輪廓需要解決如下兩方面問(wèn)題:(1)如何在具有復(fù)雜的連續(xù)圖像中實(shí)時(shí)檢測(cè)到人臉區(qū)域;(2)如何能夠在后續(xù)運(yùn)動(dòng)圖像中跟蹤人臉輪廓。
　　 針對(duì)這些問(wèn)題,該文提出了把膚色模型和差分運(yùn)動(dòng)模型相結(jié)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(dòng)輪廓模型算法分別對(duì)人臉的精確位置提取,并對(duì)這兩種方法的優(yōu)劣進(jìn)行比較。為了提高動(dòng)態(tài)圖像序列中人臉輪廓跟蹤時(shí)跟蹤算法的實(shí)時(shí)性,同時(shí)解決人臉跟蹤中的遮擋問(wèn)題,

3、提出以灰色模型GM(1,1)算法進(jìn)行人臉輪廓的實(shí)時(shí)跟蹤。根據(jù)人臉輪廓運(yùn)動(dòng)的整體性,利用GM(1,1)模型預(yù)測(cè)人臉輪廓質(zhì)心的位移,從而估計(jì)出人臉輪廓線的運(yùn)動(dòng)規(guī)律,以此作為主動(dòng)輪廓模型算法的迭代依據(jù),同時(shí)主動(dòng)輪廓模型算法提取人臉輪廓的質(zhì)心作為下一幀圖像GM(1,1)模型的預(yù)測(cè)依據(jù)。
　　 隨后,該文又針對(duì)圖像序列中人臉輪廓跟蹤時(shí)GVF Snake算法對(duì)人臉從遠(yuǎn)到近變化時(shí)不能提取到精確邊緣、GVF Snake模型難以解決的深凹陷的問(wèn)題

4、以及為了更好解決遮擋問(wèn)題,提出了改進(jìn)GVF Snake與Mean Shift相結(jié)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(jìn)的GVF Snake算法將人臉輪廓精確地提取出來(lái),從而有效解決GVF Snake算法初始化和不能迭代進(jìn)入深凹陷問(wèn)題。在遇到遮擋時(shí),該文利用Mean Shift及GM(1,1)能有效的解決。實(shí)驗(yàn)結(jié)果表明,該算法在靜態(tài)與動(dòng)態(tài)場(chǎng)景下均能實(shí)現(xiàn)精確跟蹤,對(duì)目標(biāo)的不規(guī)則運(yùn)動(dòng)和嚴(yán)重遮