圖像序列中人臉跟蹤算法研究.pdf

1、近幾年來，隨著信息技術的發(fā)展以及應用領域的需求，人臉檢測與跟蹤及其它相關技術吸引了眾多的研究者，國內(nèi)外關于人臉檢測和跟蹤的方法多種多樣，并且不斷有新的研究成果出現(xiàn)。 本文介紹了人臉檢測與跟蹤的研究與發(fā)展現(xiàn)況，著重介紹了視頻序列中人臉跟蹤的一些主要算法。并在以下幾個方面做了一些研究工作： 1．對基于統(tǒng)計學習的跟蹤方法進行了探討，并重點介紹了經(jīng)典的卡爾曼濾波方法以及基于序列蒙特卡羅的粒子濾波方法，并比較了它們各自的優(yōu)劣，從

2、模擬與實驗兩方面來說明它們在跟蹤方面的性能。 2．探討Mean Shift方法及Camshift方法，對Camshift算法進行了較詳細的研究。將人臉檢測算法與Camshift算法相結合，對人臉膚色在HSV空間中的H分量進行跟蹤，實現(xiàn)對單人臉目標的跟蹤。 3．提出一種多人臉跟蹤方法。先使用人臉檢測算法進行人臉檢測，之后結合卡爾曼濾波的預測功能，并依據(jù)本文提出的三個判別原則：最小距離原則、最大最小距離原則、相似大小原則

3、，對序列圖像檢測結果中的人臉與已跟蹤的舊目標進行相似性判斷，選取最優(yōu)相似人臉作為當前跟蹤的目標，從而實現(xiàn)視頻序列中的多人臉跟蹤。 綜合以上研究可知，粒子濾波算法具有較好的跟蹤性能，在非線性非高斯情況下也能很好地保持對目標的跟蹤，但其計算復雜度高，不適合于直接應用在多目標跟蹤系統(tǒng)中；CamShift算法中各變量的計算簡單，算法復雜度低，但被跟蹤目標之間以及被跟蹤目標與背景之間在跟蹤特征上應該有比較明顯的區(qū)別。對于人臉跟蹤系統(tǒng)來說，