基于RealAdaBoost和WMIL的人臉檢測與跟蹤.pdf

1、人臉檢測與跟蹤技術一直是模式識別與計算機視覺領域的一個重要研究課題，在視頻監(jiān)控、人臉識別、表情識別、醫(yī)療診斷、人機交互等諸多領域有廣闊的應用前景。在視頻監(jiān)控領域，人臉檢測與跟蹤的研究提高了視頻監(jiān)控的智能化，在不需要人為干預的情況下，系統(tǒng)能夠鎖定目標，對監(jiān)控場景中的目標進行檢測與跟蹤。本文分析和討論了近幾年來國內外關于人臉檢測與跟蹤的研究報告和學術論文基礎上，深入地研究了人臉檢測與跟蹤方法。論文的主要研究成果可以概括如下:
　　(1

2、)本文利用了膚色和Real AdaBoost各自的優(yōu)點，具有穩(wěn)定性好、速度快，降低了誤檢率的特點，實現了更加準確的人臉檢測。膚色容易受到光照等因素所造成的影響，在進行膚色分割之前,把圖像轉換到 YCbCr色彩空間。然后利用膚色較強的聚類特性，對圖像中的膚色區(qū)域和非膚色區(qū)域進行分割，初步篩選出人臉候選區(qū)域，為后續(xù)工作打下基礎。Real AdaBoost算法是經過改進的AdaBoost算法，其能夠對弱學習得到的弱分類器的錯誤進行適應性調整，

3、構建準確的分類器。實際情況中的圖像人臉尺寸大小是不一的，因而引入多尺度的檢測機制。采用級聯的Real AdaBoost進行訓練和檢測，提高了檢測的精度。
　　(2)針對WMIL在光照突變或者全部遮擋的的情況下會跟蹤失敗，提出了一種基于改進 WMIL算法和AdaBoost的實時單人臉檢測和跟蹤算法。利用AdaBoost級聯分類器對圖像進行掃描，得到初始跟蹤目標，然后基于定位到的人臉信息，在WMIL算法的框架下，對圖像進行多尺度表示，

4、采用壓縮感知的方法來提取樣本特征，利用WMIL算法建立分類器對人臉進行跟蹤，并進行實時更新。實驗結果表明，算法滿足了實時性的要求，改善了WMIL存在的不足，有效解決了人臉外觀變化，姿態(tài)改變、快速運動等因素的影響，連續(xù)穩(wěn)定的跟蹤目標，具有很好的魯棒性。
　　(3)由于WMIL采用單特征(Haar特征)描述目標，這種特征描述不能全面地表示目標，一定程度上影響目標跟蹤效果。分布域描述算子不僅能很好地表征圖像信息，并且能在目標區(qū)域產生一個