人脸快速检测与跟踪方法研究

论文摘要

在人脸检测与跟踪研究中,如何能够快速的,鲁棒的检测和跟踪人脸一直是待解决的关键问题。针对这一关键问题,本文主要对人脸快速检测与跟踪方法进行了研究,具体如下:1.基于粒子群优化算法的人脸区域快速分割提出了一种新的快速的彩色图像中复杂背景下人脸区域分割方法。该方法突破了传统的逐点搜索的机制,将粒子群优化算法用于对彩色图像中人脸肤色像素进行聚类与标记,极大地提高了人脸区域检测与分割的速度。2.基于均值漂移算法的人脸自适应跟踪基于均值漂移算法提出了一种自适应人脸跟踪方法,采用自适应人脸方向模板。与传统的均值漂移跟踪方法相比,当人脸倾斜时,能更精确的描绘出人脸位置。实验结果表明,在基本不增加计算量的情况下,能对人脸的倾斜进行很好的自适应跟踪。3.基于均值漂移算法与卡尔曼滤波器结合的多人脸跟踪提出了一种基于均值漂移与卡尔曼滤波器结合的多人脸跟踪方法。该方法针对每个跟踪器,将均值漂移向量作为卡尔曼滤波器的观测值,能够大大提高跟踪速度。实验结果表明,对320×240视频图像,跟踪速度可达到20帧/秒。

论文目录

• 中文摘要
• 英文摘要
• 第1章 前言
• 1.1 论文研究背景及意义
• 1.2 人脸检测与跟踪方法发展与研究现状
• 1.2.1 人脸检测发展与研究现状
• 1.2.2 人脸跟踪发展与研究现状
• 1.3 本文主要研究内容及结构安排
• 第2章 基于肤色的人脸快速定位
• 2.1 引言
• 2.2 肤色模型
• 2.2.1 常见颜色空间
• 2.2.2 肤色模型
• 2.3 基于粒子群优化算法的肤色分割
• 2.3.1 粒子群优化算法
• 2.3.2 基于粒子群优化算法的肤色区域分割
• 2.4 基于模糊隶属度函数的人脸判别
• 2.5 实验结果及讨论
• 2.6 本章小结
• 第3章 基于均值漂移的人脸自适应跟踪
• 3.1 引言
• 3.2 均值漂移算法简介
• 3.2.1 均值漂移简介
• 3.2.2 均值漂移的基本思想
• 3.2.3 扩展的均值漂移
• 3.2.4 均值漂移算法
• 3.3 基于均值漂移的人脸自适应跟踪
• 3.3.1 核函数的选取
• 3.3.2 CbCr 颜色直方图
• 3.3.3 人脸区域表示
• 3.3.4 人脸定位
• 3.3.5 角度自适应模板
• 3.3.6 算法步骤
• 3.4 实验结果及讨论
• 3.5 本章小结
• 第4章 均值漂移与卡尔曼滤波结合的多人脸跟踪
• 4.1 引言
• 4.2 卡尔曼滤波理论
• 4.2.1 卡尔曼滤波简介
• 4.2.2 离散卡尔曼滤波的模型
• 4.2.3 卡尔曼滤波递推算法
• 4.3 均值漂移与卡尔曼滤波结合的多人脸跟踪
• 4.3.1 状态方程的推导
• 4.3.2 观测方程的推导
• 4.3.3 均值漂移与卡尔曼滤波结合的多人脸跟踪实现
• 4.4 实验结果及讨论
• 4.5 本章小结
• 第5章 结论
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果