基于改進粒子濾波的人臉跟蹤算法的研究.pdf

1、人臉跟蹤是計算機視覺中一個非常重要的問題，它在人臉識別，人機交互，視頻監(jiān)控，機器人視覺等領域中都占據著十分重要的地位。近年來隨著計算機硬件性能的大幅增強和價格的逐步降低，它已經受到很多研究人員的關注，成為了一個十分熱門的方向。但如何克服背景的嘈雜，人臉姿態(tài)及表情的變化，人臉的部分及完全遮擋，攝像機的運動等的影響的難度較大，使之成為一項十分具有挑戰(zhàn)性的工作。在滿足魯棒性的基礎上，人臉跟蹤算法還要同時兼顧準確性和實時性。迄今為止，有一萬余篇

2、相關的文獻已經被發(fā)表，它們都試圖找出一種能兼顧上述三個指標的實用的算法。
　　 本文設計了兩種跟蹤算法分別對人臉區(qū)域和人臉輪廓進行跟蹤：
　　 ①為了兼顧人臉跟蹤算法的魯棒性，精確性和實時性，采用了一種基于改進粒子濾波的實時魯棒性的人臉跟蹤算法。此算法將ωPSOPF引入到人臉跟蹤算法中，以此來緩解傳統(tǒng)粒子濾波器普遍存在的粒子退化問題。對粒子樣本的分布使用ωPSO[41]算法進行優(yōu)化，使粒子向高似然概率區(qū)域移動。這樣通過“

3、重采樣”后就不會出現(xiàn)粒子耗盡的現(xiàn)象，因為在高概率區(qū)域存在大量粒子，避免了對極少數高權值粒子的大量的復制。使用AdaBoost分類器進行目標跟蹤的初始化和模板更新，通過對模板進行更新和優(yōu)化粒子分布來提高算法的魯棒性和精確性；采取間隔采樣ROI(Region of Interest)區(qū)域像素的方法，計算其加權直方圖作為唯一的線索來增加算法的實時性。最后此算法在VC2005+OpenCV平臺上予以實現(xiàn)。實驗結果證實了算法的有效性及對各種干擾的

4、魯棒性。
　　 ②我們首先在Chunming Li提出的水平集變分形式上加以改進，以此來避免在演化過程中進行重新初始化并且使之更適于人臉輪廓的表示和跟蹤。接著將此改進的水平集方法引入到粒子濾波框架下，采用了一種結合水平集和粒子濾波的人臉輪廓跟蹤算法。此方法使用零水平集函數對人臉輪廓進行表示，通過水平集函數的更新對人臉輪廓進行逼近，以橢圓物體仿射運動涉及的七個參數和相應的水平集函數作為目標狀態(tài)，以水平集演化過程中涉及的三個能量函數