人脸特征提取与跟踪

论文摘要

本文研究的主要内容为人脸特征的提取与跟踪。在机器视觉中,人脸特征的提取与跟踪起着十分重要的作用,如在虹膜识别、表情分析、人机交互等具体应用中,都需要提取人脸特征作为后续处理的基础。本文引入了一种基于改进色彩空间的人脸检测算法,该算法能较快的检测肤色区域并定位眼睛。针对眼睛特征的提取,本文提出了三种算法。第一种是基于Snake的眼睛特征提取算法,Snake是一种用于轮廓提取的算法,本文提出的改进算法首先需要建立眼睛区域的距离势能力场,然后用Snake方法眼睑轮廓进行匹配。在匹配过程中加入了修正算法,两段首尾相连的抛物线被用于Snake的初始化和匹配;第二种是基于改进Hough变换的算法,该算法采用改进的圆Hough变换来提取虹膜、眼睑轮廓和眼睛角点等眼睛特征,由于利用了梯度信息,计算复杂度得到了降低;第三种算法直接使用梯度信息来提取眼睛特征。我们在一个较大的数据库中做了实验,证明了这三种算法都能较好地提取眼睛特征。针对人脸跟踪,在第四章中提出了一种改进的Mean Shift跟踪算法,该算法采用了混合目标模型。与固定目标模型的Mean Shift算法相比,改进算法能较好地对复杂背景下的旋转人脸进行跟踪。

论文目录

• 摘要
• ABSTRACT
• 目录
• 图表目录
• 第1章 绪论
• 1.1 引言
• 1.2 人脸检测算法综述
• 1.2.1 基于知识的算法
• 1.2.2 基于特征的算法
• 1.2.3 模板匹配算法
• 1.2.4 基于表象（统计）的算法
• 1.3 人脸特征的提取
• 1.4 眼睛特征的提取
• 1.4.1 主动方式眼睛特征提取
• 1.4.2 被动方式眼睛特征提取
• 1.5 目标跟踪算法综述
• 1.5.1 基于模板的算法
• 1.5.2 基于区域的跟踪
• 1.5.3 基于轮廓的跟踪
• 1.5.4 基于特征的算法
• 1.5.5 基于运动特性的跟踪
• 1.5.6 影响跟踪效果的因素
• 1.6 论文研究内容
• 1.6.1 论文主要研究内容
• 1.6.2 论文的创新点
• 1.6.3 论文内容组织
• 第2章 人脸检测
• 2.1 引言
• 2.2 常用颜色空间
• 2.2.1 RGB空间
• 2.2.2 归一化rgb空间
• 2.2.3 HSV空间
• bC_r空间'>2.2.4 YC_bC_r空间
• 2.2.5 XYZ空间
• 2.3 基于肤色分割和改进减法聚类的人脸检测
• 2.3.1 肤色区域在色彩空间中的分布
• 2.3.2 改进的YCbCr空间肤色分割
• 2.3.3 基于下采样和改进减法聚类的人脸检测
• 2.3.4 实验结果与分析
• 2.4 眼睛区域提取
• 2.4.1 基于眼睛图的眼睛区域提取
• 2.4.2 实验结果与分析
• 2.5 本章小结
• 第3章 眼睛特征的提取
• 3.1 引言
• 3.2 改进Snake眼睛轮廓提取算法
• 3.2.1 Snake模型
• 3.2.2 GVF-Snake模型
• 3.2.3 改进的Snake模型
• 3.2.4 实验结果与分析
• 3.3 基于改进Hough变换的眼睛特征提取
• 3.3.1 Hough变换
• 3.3.2 Hough变换检测直线
• 3.3.3 Hough变换检测圆
• 3.3.4 改进Hough变换提取虹膜特征
• 3.3.5 眼睑轮廓的提取
• 3.3.6 实验结果与分析
• 3.4 基于梯度估计的眼睛特征提取
• 3.4.1 候选区域的确定
• 3.4.2 算法结构
• 3.4.3 眼睑轮廓的提取
• 3.4.4 实验结果与分析
• 3.5 本章小结
• 第4章 基于MEAN SHIFT的人脸跟踪
• 4.1 引言
• 4.2 Mean Shift理论
• 4.2.1 多维空间下的无参密度估计
• 4.2.2 Mean Shift向量
• 4.3 目标跟踪中的Mean Shift
• 4.3.1 目标模型的描述
• 4.3.2 候选模型的描述
• 4.3.3 相似性函数
• 4.3.4 目标定位
• 4.4 混合目标模型的Mean Shift目标跟踪算法
• 4.4.1 固定模型下的Mean Shift跟踪
• 4.4.2 混合目标模型
• 4.4.3 实验结果与分析
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 论文总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表和录用的学术论文