论文摘要
本文研究了人脸检测与人脸跟踪问题。人脸检测与人脸跟踪技术是计算机视觉的关键技术。计算机视觉中的人脸图像信息处理领域包含有人脸识别、姿态估计、表情识别、视频监控等多个研究方向,而几乎所有这些方向都涉及到人脸的检测与跟踪问题。文中收集和分析了大量近年来国内外关于人脸检测与人脸跟踪的学术论文及研究报告,针对人脸自动跟踪系统的建立进行了深入的研究。并在国际、国内关于人脸检测技术研究成果的基础上,提出并实现了集人脸检测和跟踪与一体的自动人脸跟踪系统。该系统借鉴了前人的一些人脸检测与人脸跟踪算法,并针对研究项目的要求和实验条件,作了一些关键性的改进。其主要研究工作如下:在人脸检测环节,本文采用了两种方案:基于Adaboost的人脸检测和基于肤色的人脸检测。这两种方法的特点是速度快,实时性好且有互补性。Adaboost的人脸检测是从一个较大的特征集中选择少量关键的haar-like特征,产生一个高效的强分类器。再用级联方式将单个的强分类器级联成为一个更加复杂的级联分类器。在此基础上,实现了基于Adaboost的人脸检测软件,该软件可检测多种格式的静态正面人脸图像,检测速度快,实时性好,对CMU人脸测试库的检测率达到97. 5%。在参考了大量的人脸检测算法的基础上,实现了基于肤色特征的人脸检测方法。这种方法利用肤色特征,将图像转换到HSV空间,根据设置的阈值将肤色区域从复杂的图像中分割出,针对背景中的类肤色区的干扰问题,本文提出了结合运动信息去掉噪声的方法,从而得到人脸候选区。在这里也提出了一种快速有效获取人脸侯选区的中心和大小的方法,并进行标识。提出并实现了基于卡尔曼预测算法的人脸跟踪算法。该方法结合了人脸检测与目标跟踪两方面的内容。采用Adaboost算法进行人脸检测,再用肤色检测验证目标人脸区以提高检测的准确率,并记录要跟踪的目标信息;应用了卡尔曼预测算法预测下一帧中的目标位置和大小,进行目标匹配,根据匹配结果更新记录目标的信息,并显示输出标识的结果,从而实现人脸的跟踪。该算法简单计算量小,跟踪速度快。