视频序列中的人脸检测与跟踪

视频序列中的人脸检测与跟踪

论文摘要

随着信息技术的高速发展,个人身份识别、安检、表情分析、智能人机交互系统等应用需求,人脸问题的研究作为计算机领域的核心课题之一,具有越来越广泛的实用价值和研究意义。人脸问题主要包括:人脸检测、人脸跟踪、人脸识别,以及其衍生出来的姿态和表情分析四个应用领域。本文主要针对人脸检测和人脸跟踪两个问题进行了研究。在人脸检测方面,本文在众多学者研究基础上对人脸检测过程中出现的诸如复杂光照、多姿态、遮挡处理等问题做了以下研究:1.运用“参考白”的方法对图像颜色直方图进行线性调整,从而对图像进行光照补偿,校正色偏,减少色偏对肤色提取的影响。2.利用肤色模型提取肤色区域。将肤色区域变成二值图像,然后对其进行闭运算,合并相邻区域作为候选人脸图像,以去除掉大背景区域,减小检测范围。3.在彩色图像中利用眼睛和嘴唇的颜色特征提取它们的位置,然后根据人的双眼和嘴巴近似成等腰三角形的关系判定人脸位置,完成彩色图像中人脸的检测。4.针对肤色提取受光照影响较大的问题,提出了一种基于人脸灰度分布特征、主分量分析方法(PCA)和数学形态学运算相结合的多级弱分类器级联的新的灰度图像人脸检测方法。该方法采用窗口遍历搜索的方式,将搜索窗口依次通过三级弱分类器判断是否为人脸,如果是则给出双眼的位置。试验证明该方法对各种光线、不同人脸尺寸、表情姿态、部分遮挡、复杂背景等都有较好的检测效果。在人脸跟踪方面,针对跟踪过程中会出现的遮挡、光照背景的变化、人脸及脸部器官非刚性的特点、人脸运动的不规则不均匀性等问题,采用一种基于粒子滤波的复杂环境下人脸跟踪算法。该算法首先在第一帧确定人脸位置并初始化核函数下的颜色直方图人脸模板,然后在粒子空间匹配人脸模板,计算相似度,并最终以粒子位置加权和的方式确定人脸位置。该算法的优点是对非线性、非高斯系统的状态估计问题无需给出量测方程。实验结果证明了该算法对诸如复杂背景和人脸遮挡等情况的有效性。最后在VC++6.0环境下构造人脸检测与跟踪实用系统,完成视频中的人脸检测与跟踪,并给出了算法的流程图。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题背景和意义
  • 1.2 人脸检测与跟踪的研究现状与研究难点
  • 1.2.1 人脸检测及跟踪的研究现状
  • 1.2.2 人脸检测及跟踪的研究难点
  • 1.3 本文的主要工作及内容安排
  • 1.3.1 本文的主要工作
  • 1.3.2 本文的章节安排
  • 第二章 人脸检测与跟踪技术综述
  • 2.1 人脸检测的主要算法
  • 2.1.1 基于几何特征的方法
  • 2.1.2 基于肤色模型的方法
  • 2.1.3 基于统计理论的方法
  • 2.2 人脸跟踪的主要算法
  • 2.2.1 基于特征匹配的跟踪
  • 2.2.2 基于区域匹配的跟踪
  • 2.2.3 基于模型匹配的跟踪
  • 第三章 静态图像中的人脸检测
  • 3.1 引言
  • 3.2 光照补偿
  • 3.3 肤色区域分割
  • 3.3.1 肤色模型概述
  • 3.3.2 数学形态学运算
  • 3.3.3 肤色区域提取与分割
  • 3.4 彩色图像中的人脸检测
  • 3.4.1 眼睛的检测
  • 3.4.2 嘴唇的检测
  • 3.4.3 人脸的判定
  • 3.4.4 仿真结果及分析
  • 3.5 灰度图像中的人脸检测
  • 3.5.1 基于先验知识的灰度检验
  • 3.5.2 基于PCA 方法的人脸检测
  • 3.5.3 基于数学形态学的人脸检测
  • 3.5.4 仿真结果及分析
  • 3.6 本章小结
  • 第四章 视频序列中的人脸跟踪
  • 4.1 引言
  • 4.2 贝叶斯滤波原理
  • 4.3 蒙特卡罗方法
  • 4.4 粒子滤波器
  • 4.4.1 贝叶斯重要性采样(BIS)
  • 4.4.2 序列重要性采样(SIS)
  • 4.4.3 退化现象
  • 4.5 粒子滤波在视频序列人脸跟踪中的应用
  • 4.5.1 系统动态模型设计
  • 4.5.2 系统观测模型设计
  • 4.5.3 目标位置的确定
  • 4.5.4 重采样
  • 4.5.5 算法结构
  • 4.5.6 仿真结果及分析
  • 4.6 视频序列人脸检测与跟踪软件系统设计
  • 4.7 本章小结
  • 第五章 总结与展望
  • 致谢
  • 参考文献
  • 在学期间的研究成果
  • 相关论文文献

    标签:;  ;  ;  ;  

    视频序列中的人脸检测与跟踪
    下载Doc文档

    猜你喜欢