视频序列中人脸检测与跟踪方法研究

摘要

随着计算机与信息技术的发展以及相关应用领域的需求，人脸检测与跟踪及其相关技术吸引了众多的研究者，国内外关于人脸检测和人脸跟踪的方法多种多样，并且不断有新的研究成果出现。在安全监控、智能化人机交互和计算机视觉等领域的研究过程中，人脸都提供了大量有价值的信息。
　　 尽管对人脸的检测与跟踪己经取得了众多的成果，但仍存在下述几个研究的难点问题：实时性、鲁棒性和遮挡处理。本文针对上述问题进行了较深入的研究，提出了一套基于混合肤色模型和梯度特征结合的人脸检测方法。实验证明，该方法提高了检测的准确率。
　　 在运用检测方法的基础上，提出并验证了基于改进的Condensation滤波的人脸跟踪方法，它充分地考虑了人脸非刚性的特点及其复杂环境下的跟踪。
　　 在借鉴了前人方法的基础上，针对本文的要求和实验条件，作了一些关键性的改进。主要研究工作如下：
　　 1、在参考了大量的人脸检测算法的基础上，针对视频这一应用背景的实时性要求，提出了基于混合肤色模型和梯度模型相结合的人脸检测方法。这种方法首先利用肤色特征，从复杂的图像中分割出与肤色相关的区域，再结合梯度信息与形态学方法得到人脸区域。实验表明该算法有较快的响应速度、较高的准确率，适合于作为人脸处理系统的预处理及人脸检测。
　　 2、在跟踪方法上，首先利用帧差法结合人脸检测方法，以确定跟踪的初始位置；再应用改进的Condensation滤波方法进行人脸运动预测，实现了视频中基于检测的人脸跟踪。该方法准确度高，跟踪速度快，并且较好的克服了人脸旋转、部分遮挡的影响。通过实验验证＼与以肤色模型为单线索的跟踪方法相比较，本文方法与肤色单线所的跟踪相比具有更好的鲁棒性和较快的跟踪速度。

目录

文摘

英文文摘

论文说明:图表目录

声明

第1章绪论

1.1研究背景及意义

1.2国内外研究现状

1.3人脸检测与跟踪方法综述

1.3.1人脸检测的方法综述

1.3.2人脸跟踪方法的研究

1.4人脸检测与跟踪的难点

1.5本文研究工作概述

1.6本文内容安排

第2章基于肤色和梯度的人脸检测

2.1图像预处理—光照补偿

2.2肤色检测

2.2.1色彩空间

2.2.2肤色模型

2.2.3人脸区域分割

2.3梯度模型

2.4人脸位置的确定

2.5实验结果

2.6本章小结

第3章 Condensation滤波综述

3.1粒子滤波器

3.2递推贝叶斯滤波原理

3.2.1非线性动态系统的描述

3.2.2粒子滤波理论

3.2.3 SIS粒子滤波器

3.2.4重采样方法介绍

3.3 Condensation滤波跟踪框架

3.4 Condensation滤波算法的主要步骤

3.4.1状态模型

3.4.2测量模型

3.4.3密度传播

3.4.4算法改进

3.5本章小结

第4章 改进的Condensation滤波的人脸跟踪

4.1颜色

4.2梯度

4.3跟踪系统的基本组成

4.4跟踪过程

4.4.1差分法确定初始区域

4.4.2算法实施过程

4.5本文跟踪算法总结

4.6小结

第5章实验结果和分析

5.1实验环境及实验结果

5.2跟踪速度分析

总结与展望

参考文献

致谢

附录A 攻读硕士学位期间发表的学术论文目录