基于均值平移的自动人脸检测与跟踪算法

论文摘要

人脸检测及跟踪属于模式识别与计算机视觉的研究领域,它作为人脸信息处理中的一项关键技术,在基于内容的图像与视频检索、视频监视、视频跟踪、视频会议以及智能人机交互等方面都有着重要的应用价值。本文主要进行人脸检测与跟踪技术的研究。首先,采用基于肤色分割和支持向量机的算法进行人脸检测。其次,在人脸跟踪方面采用基于均值平移的算法进行跟踪,最终实现图像序列的自动人脸跟踪。并通过实验对本文算法进行了验证,本文的主要研究工作和创新点如下:(1)研究了基于肤色的人脸分割方法,采用YCbCr色彩模型来进行肤色分割。在YCbCr色彩模型中,可以去掉图像亮度对检测产生的影响。实验表明,肤色分割方法,可以快速去除大量背景,产生初始的人脸候选区域,使后续的人脸检测模块能够将计算集中在相对较小的区域,从而明显地提高算法的执行效率。(2)提出了基于肤色和SVM综合的人脸检测算法,基于SVM的分类检测是统计学习的新的方法,具有检测效率高,错误识别率低的优点。采用肤色分割后,图像中的大量背景信息已经被去除,使得SVM判别的工作量大大降低,不失为一种好的人脸检测方法。实验证明,本文人脸检测方法非常有效。(3)介绍和分析了基于均值平移的目标跟踪算法,并在此基础上,提出了基于均值平移的自动人脸跟踪算法,对每一个检测到的人脸目标采用均值平移算法予以跟踪,在算法中,为保证自动的人脸跟踪,新增人脸序列用于保存检测出的人脸,若发现有新的人脸出现,添加到人脸序列中,并于下一帧开始使用均值平移算法对其进行跟踪。实验表明,跟踪效果迅速可靠。最后总结了全文,分析了目前研究工作中需要进一步完善的地方,指出今后工作的研究方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景和研究意义
• 1.2 人脸检测与跟踪的发展现状
• 1.3 人脸检测与跟踪技术综述
• 1.3.1 人脸检测
• 1.3.2 人脸跟踪
• 1.4 主要工作和成果
• 1.5 各章简介
• 第2章 基于肤色和SVM的人脸检测算法
• 2.1 肤色分割
• 2.1.1 YCbCr肤色空间
• 2.1.2 肤色分割结果
• 2.2 基于支持向量机的人脸检测
• 2.2.1 支持向量机理论
• 2.2.2 线性支持向量机
• 2.2.3 非线性支持向量机
• 2.2.4 支持向量机的人脸检测结果
• 第3章 基于均值平移算法的目标跟踪
• 3.1 均值平移算法
• 3.1.1 区域质心
• 3.1.2 均值平移算法分析
• 3.2 基于均值平移的目标跟踪
• 3.2.1 颜色特征空间
• 3.2.2 目标模型与候选模型
• 3.2.3 相似性度量
• 3.2.4 均值平移算法流程
• 3.2.5 算法特点及其改进
• 3.2.6 实验结果及分析
• 第4章 人脸的自动检测跟踪
• 4.1 基于肤色和SVM的人脸检测
• 4.1.1 人脸检测流程
• 4.1.2 人脸检测实验结果及分析
• 4.2 基于均值平移的人脸自动跟踪
• 4.3 人脸自动跟踪实验结果及分析
• 第5章 总结与展望
• 5.1 总结
• 5.2 存在的问题和展望
• 致谢
• 参考文献
• 附录 攻读硕士学位期间发表或录用的学术论文