基于視頻序列的動態(tài)人臉檢測與跟蹤算法研究.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，人臉檢測與跟蹤技術(shù)已經(jīng)成為圖像處理與計算視覺的一個熱門話題?；谝曨l序列的人臉檢測與跟蹤技術(shù)也隨之發(fā)展應(yīng)用于生產(chǎn)生活的各個領(lǐng)域，如視頻會議，智能監(jiān)控等。
　　本文研究了國內(nèi)外大量有關(guān)視頻序列人臉檢測與跟蹤算法，分析了目前人臉檢測與跟蹤技術(shù)發(fā)展?fàn)顩r。重點對基于視頻序列的人臉檢測與跟蹤算法進(jìn)行了深入的研究和探索，以提高人臉檢測的速度及精確性為主線，在已有研究成果的基礎(chǔ)上設(shè)計并實現(xiàn)了一

2、種有效、快速的基于視頻序列的人臉檢測與跟蹤算法。主要工作包括：
　　第一，針對由于環(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每一幀進(jìn)行處理，經(jīng)過光照補(bǔ)償、濾波等處理，能夠明顯提高圖片的質(zhì)量。實驗證明經(jīng)過處理的圖像對提高人臉檢測精確性有很重要的意義。
　　第二，針對基于視頻的人臉檢測與跟蹤對實時性的要求，對具有復(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算法在人臉檢測中的應(yīng)用，分析實現(xiàn)了Adaboos t算法中的弱分類器、強(qiáng)分類器以及級聯(lián)分類器的訓(xùn)練。為了減小數(shù)據(jù)開銷，本文提出了加大矩形特征移動步長和剔除邊緣像素的方法，實現(xiàn)了對Harr-like特征數(shù)量的改進(jìn)和優(yōu)化。

4、
　　第四，分析對比了均值漂移(Mea n s hift)和粒子濾波兩種經(jīng)典視頻序列跟蹤算法。針對該算法不能實時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)點克服了其缺點。
　　通過融合膚色特征、PCA特征以及Adaboost分類算法本文設(shè)計了一個人臉檢測系統(tǒng)，再利用器官梯度特征對檢