人臉檢測與跟蹤是計算機視覺領域的一項基礎技術(shù),是視頻圖像中分析和理解人臉的第一步。由于人臉的多變性和外界環(huán)境的一些不可控干擾因素,如人臉的姿態(tài)變化、背景復雜、人臉遮擋、尺度變化等,設計出實時且性能良好的人臉檢測與跟蹤算法仍是一個具有挑戰(zhàn)性的課題。本文分別分析了最新的人臉檢測和人臉跟蹤算法,并做出了一定程度的改進來提升算法的性能。在人臉檢測部分,本文設計了STFD（Scale-invariant Tiny Face Detector）人臉檢測算法。首先,特征提取模塊采用全卷積神經(jīng)網(wǎng)絡:由VGG16的前5層網(wǎng)絡結(jié)構(gòu)和額外添加的三層網(wǎng)絡結(jié)構(gòu)組成,自動學習圖像的復雜特征,包括低層的空間細節(jié)信息和高層豐富的語義信息。而后利用6個尺度的特征圖來檢測不同尺度的人臉,大尺度特征圖（低層卷積的特征圖）檢測小尺度人臉,小尺度特征圖（高層卷積的特征圖）檢測大尺度人臉,解決人臉的多尺度檢測問題。最后針對小人臉和離群人臉的漏檢問題,設計了在低層卷積的特征圖上加大anchor密度的方法,增加小人臉和離群人臉的anchor匹配數(shù)目,從而提升檢測率。在PASCAL人臉數(shù)據(jù)集、FDDB和WIDER FACE的驗證集上的... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

人臉檢測二分類模型圖

第二章 相關(guān)理論知識第二章 相關(guān)理論知識臉檢測算法的相關(guān)理論知識臉檢測的大致流程如圖 2-1 所示，先在輸入圖像中生成候選框，然后分類的圖像特征進行檢測之后判斷候選框中的圖像是否為目標，如果是目標概率），利用邊框回歸精修候選框，最后非極大值抑制選擇出最佳的人

候選框的生成成候選框是目標檢測過程中的一個很重要的步驟，候選框的生成方式的速度和效率。根據(jù)目標檢測的發(fā)展，生成候選框可以分為三個階段：選擇搜索（Selective Search）方法；錨點（anchor）機制的方法�；瑒哟翱诖胺ǖ乃悸繁容^簡單：首先，對輸入的圖像從左到右、從上到下，采用滑窗按照指定步長進行滑動；然后，進行卷積操作；最后，將卷積的結(jié)好的分類器，得到對當前窗口的評分，如果評分較高，則認為檢測到了測為例，滑窗法生成候選窗口的過程如圖 2-2 所示。

【參考文獻】：
期刊論文
[1]基于混合觀測模型的粒子濾波跟蹤算法[J]. 吳桐,王玲,李鐘敏,何凡.  計算機工程與應用. 2016(06)
[2]基于SVM和HOG的人臉檢測算法[J]. 趙峰.  信息技術(shù)與信息化. 2013(06)
[3]基于膚色的人臉檢測算法研究[J]. 胡曉燕,張宇.  合肥工業(yè)大學學報(自然科學版). 2012(07)

碩士論文
[1]基于HOG-PCA和DPM的人臉檢測方法的研究和實現(xiàn)[D]. 孫肅肅.北京郵電大學 2014
[2]基于顏色與模板匹配的人臉檢測方法[D]. 馬艷.大連理工大學 2006
[3]基于模板匹配的人臉檢測[D]. 龍開文.四川大學 2005



本文編號：3011571