人臉及人眼檢測與跟蹤系統(tǒng)的設(shè)計.pdf

1、人臉檢測和跟蹤是模式識別與計算機視覺研究領(lǐng)域重要的研究課題，在自動人臉識別、視頻會議、智能視頻監(jiān)控、高級人機交互、醫(yī)療診斷等多個領(lǐng)域有著重要的應(yīng)用價值。作為一種預(yù)處理的手段，人眼檢測和定位可以有效地提高表情識別和人臉識別的識別率。
　　 本文針對國內(nèi)外在人臉及人眼檢測與跟蹤方面的研究與發(fā)展現(xiàn)狀，在Adaboost人臉檢測算法的基礎(chǔ)上，結(jié)合Windows下的Visual C++編程，通過MIT人臉庫和自建人臉庫結(jié)合的方法，對該人臉

2、庫進行了有效的訓(xùn)練，實現(xiàn)人臉及人眼檢測功能。利用連續(xù)自適應(yīng)均值移動算法(Continuously Adaptive Mean Shift，Camshift)對人臉進行跟蹤，提出了一種新的優(yōu)化算法，該算法利用Adaboost人臉檢測初始化模板的方法，將檢測與跟蹤結(jié)合起來，改進了Camshift算法，實現(xiàn)了人臉跟蹤功能，大大方便了人臉跟蹤的用戶，在多媒體教學(xué)系統(tǒng)中有很大的應(yīng)用前景，可實現(xiàn)自動跟蹤教師，實時錄課的效果。
　　 本文的創(chuàng)

3、新點包括如下方面：
　　 1.基于Adaboost檢測原理，設(shè)計了人臉及人眼檢測系統(tǒng)。改進了訓(xùn)練系統(tǒng)，由于MIT人臉庫的樣本為灰度圖像，而且分辨率比較低，因而可能會影響訓(xùn)練的效果，本文自建了人臉樣本庫，樣本選取數(shù)目更多，包含了正臉、側(cè)臉、復(fù)雜背景以及多個大小不同的人臉，采用更大的樣本庫且選取了兩倍于人臉樣本數(shù)目的非人臉樣本來進行Adaboost訓(xùn)練。使用新的分類器檢測，可實現(xiàn)多姿態(tài)的人臉及人眼檢測，提高了檢測率和檢測速度。