基于視頻序列的動(dòng)態(tài)人臉檢測(cè)與跟蹤算法研究.pdf

1、　　隨著科學(xué)技術(shù)的快速發(fā)展和人類日常生活的需要，人臉檢測(cè)與跟蹤技術(shù)已經(jīng)成為圖像處理與計(jì)算視覺(jué)的一個(gè)熱門(mén)話題?；谝曨l序列的人臉檢測(cè)與跟蹤技術(shù)也隨之發(fā)展應(yīng)用于生產(chǎn)生活的各個(gè)領(lǐng)域，如視頻會(huì)議，智能監(jiān)控等。
　　本文研究了國(guó)內(nèi)外大量有關(guān)視頻序列人臉檢測(cè)與跟蹤算法，分析了目前人臉檢測(cè)與跟蹤技術(shù)發(fā)展?fàn)顩r。重點(diǎn)對(duì)基于視頻序列的人臉檢測(cè)與跟蹤算法進(jìn)行了深入的研究和探索，以提高人臉檢測(cè)的速度及精確性為主線，在已有研究成果的基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了一

2、種有效、快速的基于視頻序列的人臉檢測(cè)與跟蹤算法。主要工作包括：
　　第一，針對(duì)由于環(huán)境和攝像頭的影響，視頻可能受到光照不均勻、噪聲等外部條件的干擾導(dǎo)致檢測(cè)性能降低的情況。本文研究了視頻圖像預(yù)處理的方法，以視頻幀圖像為單位對(duì)每一幀進(jìn)行處理，經(jīng)過(guò)光照補(bǔ)償、濾波等處理，能夠明顯提高圖片的質(zhì)量。實(shí)驗(yàn)證明經(jīng)過(guò)處理的圖像對(duì)提高人臉檢測(cè)精確性有很重要的意義。
　　第二，針對(duì)基于視頻的人臉檢測(cè)與跟蹤對(duì)實(shí)時(shí)性的要求，對(duì)具有復(fù)雜背景的視

3、頻序列，本文提出首先利用膚色特征提取背景中膚色及類膚色區(qū)域作為候選區(qū)域的方法。進(jìn)而利用二維線性子空間PCA特征提取算法對(duì)候選區(qū)域進(jìn)行一定程度降維，有效地減小了候選區(qū)域的大小。
　　第三，研究了Adaboos t算法在人臉檢測(cè)中的應(yīng)用，分析實(shí)現(xiàn)了Adaboos t算法中的弱分類器、強(qiáng)分類器以及級(jí)聯(lián)分類器的訓(xùn)練。為了減小數(shù)據(jù)開(kāi)銷，本文提出了加大矩形特征移動(dòng)步長(zhǎng)和剔除邊緣像素的方法，實(shí)現(xiàn)了對(duì)Harr-like特征數(shù)量的改進(jìn)和優(yōu)化。

4、
　　第四，分析對(duì)比了均值漂移(Mea n s hift)和粒子濾波兩種經(jīng)典視頻序列跟蹤算法。針對(duì)該算法不能實(shí)時(shí)的改變搜索窗口的情況。在Mea n s hift算法上進(jìn)行了改進(jìn)，將Mea n s hift前一幀結(jié)果作為下一幀初始化窗口得到Camshift算法，保留了Mean shift算法的優(yōu)點(diǎn)克服了其缺點(diǎn)。
　　通過(guò)融合膚色特征、PCA特征以及Adaboost分類算法本文設(shè)計(jì)了一個(gè)人臉檢測(cè)系統(tǒng)，再利用器官梯度特征對(duì)檢