基于视频的人脸检测与跟踪算法的研究

论文摘要

近年来,随着计算机水平和计算机视觉的不断发展,智能视频监控系统成为了一个新兴的应用方向和备受关注的前沿课题。基于图像序列的运动目标检测与跟踪是计算机视觉领域和数字图像处理领域的重要研究课题之一。本文主要以智能视频监控为研究背景,针对人脸检测、人脸跟踪、人脸图像筛选等问题进行了研究,并在此基础上建构了一个相对完整的人脸检测与跟踪软件系统。本文的主要研究内容如下：（1）综合利用人脸的运动信息、颜色信息和灰度信息进行人脸检测。提出了基于YCbCr空间的背景建模改进算法,并采用Gabor滤波器组提取出人脸候选区域的Gabor特征,用分类器进行人脸验证,最终实现人脸定位。该方法综合运用了人脸的运动、色彩与灰度信息,能够有效克服光照和阴影对检测的影响,并提高检测的完整性和准确性。（2）综合利用人脸的颜色信息、形态比例信息和运动信息进行人脸跟踪。首先,将人脸检测结果初始化跟踪,实现人脸的自动跟踪；然后,采用基于人脸肤色特征的Camshift跟踪算法进行人脸跟踪,并采用Kalman滤波器对运动目标进行估计；最后,根据Camshift跟踪算法易受相似颜色干扰的特点,加入人脸形态约束和运动约束,最终完成自动的人脸跟踪系统。该方法能够有效解决跟踪中出现的问题,实现鲁棒地跟踪；（3）综合人脸图像的清晰度和人脸正面性对跟踪输出的人脸图像进行筛选。本文基于人脸图像的清晰度和正面性,设计了针对人脸图像的综合评价系统,实验证明该系统能够有效地对人脸图像进行综合评定；（4）基于本文算法及结构,采用VC++开发平台和OpenCV算法库设计了一个简单的基于视频的人脸检测与跟踪系统,并通过该系统验证了算法的可行性和实用性。本文分析与研究了人脸检测与跟踪算法,提出了实时性好且抗干扰性强的人脸检测与跟踪方法,构建了一个实用性强的自动人脸检测与跟踪软件系统。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 国内外研究发展现状
• 1.2.1 智能视频监控系统发展现状
• 1.2.2 人脸检测与跟踪的发展现状
• 1.3 论文系统介绍
• 1.4 论文主要工作内容
• 1.5 论文章节安排
• 第2章 基于改进的背景差法的运动检测
• 2.1 基于改进的SURENDRA算法的运动检测
• 2.2 色彩空间
• 2.2.1 常用的色彩空间
• 2.2.2 色彩空间分析
• 2.3 基于改进的背景差法的运动检测
• 2.4 本章小结
• 第3章 基于多特征融合的人脸检测方法
• 3.1 基于肤色信息的候选人脸区域检测
• 3.1.1 肤色模型
• 3.1.2 基于肤色模型的肤色检测
• 3.2 基于GABOR小波变换和BP神经网络的人脸验证
• 3.2.1 Gabor小波简介
• 3.2.2 基于Gabor小波变换的人脸图像特征提取
• 3.2.3 以BP神经网络构建人脸分类器
• 3.3 基于多特征融合的人脸检测方法
• 3.3.1 单人人脸检测方法
• 3.3.2 多人脸检测跟踪问题分析及解决
• 3.4 本章小结
• 第4章 基于CAMSHIFT的人脸跟踪组合算法
• 4.1 CAMSHIFT算法的跟踪原理
• 4.2 基于CAMSHIFT的人脸跟踪组合算法
• 4.2.1 基于人脸检测的Camshift自动跟踪
• 4.2.2 Camshift跟踪算法中加入人脸形态约束
• 4.2.3 Camshift跟踪算法中加入运动约束
• 4.2.4 用Kalman滤波器预测Camshift跟踪
• 4.2.5 组合跟踪算法
• 4.3 多人脸跟踪情况的分析及解决
• 4.3.1 单运动目标跟踪
• 4.3.2 多运动目标跟踪
• 4.4 终止跟踪的条件设置
• 4.5 本章小结
• 第5章 人脸图像筛选
• 5.1 基于清晰度的人脸图像筛选
• 5.2 基于正面性的人脸图像筛选
• 5.3 基于清晰度和正面性的人脸图像筛选
• 5.4 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 作者简介