復(fù)雜光照條件下人臉跟蹤算法研究.pdf

1、隨著人工智能、模式識別、數(shù)字圖像處理等領(lǐng)域的日益快速發(fā)展，以及天網(wǎng)工程的逐步實施，智能視頻監(jiān)控技術(shù)已經(jīng)成為人們關(guān)注的熱點，并逐步發(fā)展為一門應(yīng)用廣泛的技術(shù)。視頻中人臉區(qū)域的自動檢測和跟蹤是智能監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)之一，隨著研究的深入，學(xué)者們提出了很多目標(biāo)跟蹤算法。而在實際應(yīng)用中，如果跟蹤過程環(huán)境光線變化較大，尤其是出現(xiàn)側(cè)光情況時，容易導(dǎo)致人臉區(qū)域跟蹤不準(zhǔn)確或失敗，而復(fù)雜的光照均衡算法往往無法保障跟蹤的實時性。因此，本文研究了復(fù)雜光照條件下人

2、臉區(qū)域的實時跟蹤方法，具體如下:
　　首先研究了視頻第一幀中人臉區(qū)域自動檢測算法。提出了基于自適應(yīng)平滑濾波的Retinex光照歸一化算法，消除了人臉圖像中光照對人臉部各個器官的影響。真實反映了人臉部器官的原本特征，該算法有效地降低了光照對人眼定位的影響。然后根據(jù)人臉部幾何位置的先驗知識給出人眼位置的判定準(zhǔn)則，在粗估計出圖像中人眼分割閾值區(qū)間和自動調(diào)整分割閾值后，確定雙眼黑塊的位置。最后根據(jù)雙眼的位置找到圖像中人臉的位置。
　

3、　由于上述預(yù)處理方法的處理時間無法滿足視頻跟蹤實時性的要求，本文提出了一種基于圖像的局部自適應(yīng)gamma校正方法，用于處理除首幀以外的視頻后續(xù)幀的光照不均勻性，并能滿足視頻跟蹤實時性的要求。該方法在未知圖像光照情況下，自適應(yīng)的對圖像進(jìn)行灰度校正。在該方法中，首先提取目標(biāo)圖像的灰度特征向量，與樣本庫中的圖像的特征向量進(jìn)行對比，選出與該目標(biāo)圖像特征最為相似的圖像庫圖像，然后用圖像庫圖像已知的gamma值，對圖像做反gamma校正，從而達(dá)到消

4、除光照影響的目的。實驗結(jié)果表明使用這種方式對光照不均勻的視頻序列進(jìn)行預(yù)處理，能很好的改變視頻序列的光照情況，減少光照影響。
　　為了實時跟蹤第一幀檢測到的人臉圖像區(qū)域，本文提出了基于特征融合的均值漂移人臉跟蹤算法，將提取的顏色直方圖與邊緣方向直方圖特征相結(jié)合。傳統(tǒng)的Mean Shift算法是一種基于圖像梯度得無參密度估計算法，在確定首幀中的跟蹤目標(biāo)區(qū)域后，使用顏色直方圖對目標(biāo)區(qū)域以及目標(biāo)候選區(qū)域進(jìn)行建模，并使用巴氏相似函數(shù)，對目標(biāo)

5、模型與目標(biāo)候選模型進(jìn)行相似性度量，最后使用迭代的方式找到目標(biāo)的最佳候選區(qū)。但由于光照的不均勻性，對視頻序列進(jìn)行預(yù)處理后，會導(dǎo)致顏色直方圖無法很好的表達(dá)目標(biāo)特征。
　　最后，對本文提出的特征融合的Mean Shift跟蹤算法的性能進(jìn)行驗證。并與經(jīng)典的Mean Shift算法的實驗效果進(jìn)行比對。實驗中采用了在自然光與照明光照情況下拍攝的光照不均勻的兩組視頻序列，結(jié)果表明，特征融合的Mean Shift算法在光照復(fù)雜不均勻的視頻中，比經(jīng)