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(shù)的發(fā)展以及應(yīng)用領(lǐng)域的需求，人臉檢測與跟蹤及其它相關(guān)技術(shù)吸引了眾多的研究者，國內(nèi)外關(guān)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(xué)習(xí)的跟蹤方法進(jìn)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(jìn)行了較詳細(xì)的研究。將人臉檢測算法與Camshift算法相結(jié)合，對人臉膚色在HSV空間中的H分量進(jìn)行跟蹤，實現(xiàn)對單人臉目標(biāo)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(jìn)行人臉檢測，之后結(jié)合卡爾曼濾波的預(yù)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(jié)果中的人臉與已跟蹤的舊目標(biāo)進(jìn)行相似性判斷，選取最優(yōu)相似人臉作為當(dāng)前跟蹤的目標(biāo)，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(biāo)的跟蹤，但其計算復(fù)雜度高，不適合于直接應(yīng)用在多目標(biāo)跟蹤系統(tǒng)中；CamShift算法中各變量的計算簡單，算法復(fù)雜度低，但被跟蹤目標(biāo)之間以及被跟蹤目標(biāo)與背景之間在跟蹤特征上應(yīng)該有比較明顯的區(qū)別。對于人臉跟蹤系統(tǒng)來說，