視頻圖像人臉特征點(diǎn)跟蹤技術(shù)研究.pdf

1、人臉檢測、跟蹤和特征點(diǎn)定位技術(shù)作為計(jì)算機(jī)視覺研究的關(guān)鍵技術(shù)，目前已廣泛應(yīng)用于智能監(jiān)控、身份識(shí)別、表情分析等。但當(dāng)目標(biāo)處于復(fù)雜背景、遮擋和光照變化的情況下，現(xiàn)有人臉檢測和跟蹤算法難以獲得滿意效果。本文重點(diǎn)研究復(fù)雜背景、遮擋和光照變化等環(huán)境下的人臉檢測、跟蹤及特征點(diǎn)定位問題，并提出了相應(yīng)的改進(jìn)算法。
　　光照變化是影響人臉檢測的主要因素之一，本文采用多尺度Retinex算法對(duì)待檢測圖像進(jìn)行增強(qiáng)，消除光照問題產(chǎn)生的影響。人臉檢測要求實(shí)時(shí)

2、地在待檢測圖像中識(shí)別存在的人臉，屬于人臉與非人臉分類問題。經(jīng)典的Adaboost算法能精確檢測出圖像中的人臉，但其中所采用的分類器運(yùn)算量很大，導(dǎo)致人臉檢測速度很慢，無法滿足實(shí)時(shí)性的要求。為了提高Adaboost的檢測速度和精度，本文將膚色分割應(yīng)用于人臉檢測過程中，首先選出帶檢測圖像的膚色區(qū)域，再利用Adaboost人臉檢測膚色區(qū)域。實(shí)驗(yàn)證明，改進(jìn)的Adaboost檢測算法能顯著提高人臉檢測的速度和精度。
　　光流計(jì)算很早就被用于視

3、覺跟蹤，但由于光流計(jì)算在選擇跟蹤窗口時(shí)面臨精確性和魯棒性的矛盾，容易導(dǎo)致跟蹤點(diǎn)漂移或丟失，本文采用基于圖像金字塔的光流跟蹤計(jì)算方法，提高了人臉特征跟蹤的精確性。
　　視頻流中目標(biāo)的后驗(yàn)概率分布往往呈非線、非高斯性，由于粒子濾波能對(duì)非線性、非高斯的系統(tǒng)進(jìn)行精確建模，而被廣泛應(yīng)用于視覺跟蹤。但是，被跟蹤目標(biāo)往往容易被瞬時(shí)遮擋或光照變化，精確建模的粒子濾波方法不能適應(yīng)這些變化，無法實(shí)時(shí)跟蹤目標(biāo)。為了適應(yīng)視頻流中被跟蹤目標(biāo)表觀的實(shí)時(shí)性變化