多姿態(tài)人臉特征檢測與跟蹤技術研究.pdf

1、多姿態(tài)人臉檢測與跟蹤技術是計算機視覺與模式識別領域重要的研究熱點,在視頻會議、人機交互、圖像檢索,智能監(jiān)控等方面有著巨大的應用前景。然而其檢測的準確性和實時性仍是亟需解決的課題。
　　本論文是基于視頻序列中不同視角的人臉檢測和跟蹤問題,結合人臉圖像預處理與后跟蹤算法,提出了基于改進的Adaboost的人臉檢測算法:首先介紹視頻圖像處理現(xiàn)狀和基本方法,其次闡述視頻人臉檢測框架設計與代碼實現(xiàn),最后在視頻環(huán)境中驗證人臉檢測的效果和分析存

2、在問題。
　　本論文主要是研究與實現(xiàn)了在視頻序列中多姿態(tài)人臉檢測與跟蹤技術,著重研究了Adaboost人臉檢測算法、Camshift算法和Kalman濾波等算法,主要分為以下模塊:
　　(1)圖像預處理和運動目標預估計模塊:圖像預處理主要包括濾波、形態(tài)學算法和圖像歸一化;運動目標預估計的主要目的是介紹基于背景差分法的混合高斯模型提取運動的前景,然后提取運動目標的輪廓,并把此區(qū)域設置為興趣區(qū)域,以縮小人臉檢測的窗口搜索的范圍。

3、
　　(2)人臉檢測模塊:主要研究了Adaboost算法的基本原理,包括Haar特征、積分圖和級聯(lián)分類器等理論,該方法具有較高檢測率和實時性的優(yōu)點,但同時也存在著誤檢率高的問題。本文在分析了其算法的不足之處,結合 SVM和粒子群優(yōu)化的思想,提出了基于 Adaboost的改進的 PSO-AdaBoost算法,另外首先結合膚色模型預檢測人臉區(qū)域,然后以此區(qū)域用于人臉檢測系統(tǒng)。
　　(3)人臉跟蹤模塊:基于Camshift算法和邊