人臉檢測與跟蹤技術(shù)在模式識別與計算機視覺領(lǐng)域里極具研究價值,在實際生活中能得到諸多應(yīng)用,與人類息息相關(guān)。互聯(lián)網(wǎng)大數(shù)據(jù)時代下,國防安全,智能視頻監(jiān)控,邊防安檢,電子商務(wù)等諸多領(lǐng)域都能看到人臉檢測、人臉識別及人臉跟蹤的影子,人臉檢測與人臉跟蹤作為其中關(guān)鍵環(huán)節(jié),在近年來受到越來越多研究學(xué)者的重視。本文考量了人臉跟蹤中特征融合階段,設(shè)計了一個基于膚色分割的人臉檢測方法與改進自適應(yīng)人臉特征的Staple算法的人臉跟蹤方法,詳情如下:（1）通過研讀大量人臉檢測與人臉跟蹤的文獻資料,將人臉檢測技術(shù)中基于先驗知識的人臉檢測和基于統(tǒng)計的人臉檢測進行研究總結(jié),將人臉跟蹤方法從基于模型跟蹤,基于運動信息跟蹤,基于人臉局部特征跟蹤,及近幾年大熱的基于神經(jīng)網(wǎng)絡(luò)跟蹤幾類方法進行研究總結(jié)。（2）針對視頻序列的人臉檢測問題,采用膚色概率特征的方法描述人的面部。首先,為了校正色偏,對視頻首幀進行光照補償預(yù)處理,以便提取膚色概率特征;然后,在三個顏色空間中進行比較與篩選,選擇對人臉使用亮度與色度相分離的YCbCr顏色空間,以凸顯其人臉的聚類特性。利用人臉的先驗特征,保留符合條件的人臉區(qū)域;最后將定位的區(qū)域在原圖像里標記出... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

RGB顏色空間模型

其中 Y 是亮度，U 是色度，和 V 濃度�？臻g的設(shè)計是由于彩色電視的發(fā)明，當(dāng)時的黑白電視量，只能表示黑白兩種顏色，也就是所謂的灰度值。 U 色度與 V 濃度兩種分量。YUV 顏色空間的色彩表B 互相轉(zhuǎn)換的公式如下︰ = = = = = = 顏色空間色空間中 H 為色調(diào)，S 為飽和度，V 為亮度，通過人。在坐標空間上呈六角錐體的形狀。如圖 2-2 所示：

適應(yīng)的分配每個高斯模型權(quán)重比例，通過合理的分配權(quán)重比例可以得到更好的效果，對膚色區(qū)域提取的更加精準，但多個高斯模型使得計算量較大，而且每個高斯模型的權(quán)重分配比例尤為關(guān)鍵，相較于單一高斯模型，所耗費的時間更長。4）統(tǒng)計直方圖模型：類似于閾值模型，但是膚色概率特征是通過對大量人臉膚色樣本訓(xùn)練出來的，將訓(xùn)練出來的膚色概率模型以直方圖的形式展現(xiàn)出來。使用該模型的優(yōu)點直方圖表征膚色特征簡單直觀，缺點在于需要統(tǒng)計大量人臉膚色樣本，比較耗費時間。2.4 形態(tài)學(xué)圖像處理形態(tài)學(xué)處理[41]（morphology）衍生于生物學(xué)，該方面內(nèi)容主要研究動植物的形態(tài)與結(jié)構(gòu)，同樣，我們也可運用到圖像處理中。由于拍攝設(shè)備質(zhì)量、和當(dāng)時拍攝條件的限制，視頻圖像本身就存在一些噪聲點，這會影響到膚色分割的效果，二值化處理后，這些噪聲點會一小白點的形式出現(xiàn)在圖像中，為了消除對之后檢測過程的影響，所以需要先對圖像進行形態(tài)學(xué)的處理。如圖 2-3 所示

【參考文獻】：
期刊論文
[1]自適應(yīng)特征選擇的相關(guān)濾波跟蹤算法[J]. 劉萬軍,孫虎,姜文濤.  光學(xué)學(xué)報. 2019(06)
[2]特征融合和模型自適應(yīng)更新相結(jié)合的相關(guān)濾波目標跟蹤[J]. 王暐,王春平,李軍,張偉.  光學(xué)精密工程. 2016(08)
[3]基于視覺的目標檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動化學(xué)報. 2016(10)
[4]改進核相關(guān)濾波的運動目標跟蹤算法[J]. 邢運龍,李艾華,崔智高,方浩.  紅外與激光工程. 2016(S1)
[5]融合YCbCr膚色模型與區(qū)域標記的人臉檢測算法研究[J]. 楊恒,張再軍,楊東,張儒良.  軟件導(dǎo)刊. 2016(02)
[6]變電站智能監(jiān)控系統(tǒng)[J]. 陳旭,韓文花.  廣東電力. 2015(06)
[7]LBP和HOG的分層特征融合的人臉識別[J]. 萬源,李歡歡,吳克風(fēng),童恒慶.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2015(04)
[8]捕控指令電視制導(dǎo)導(dǎo)彈發(fā)射位置優(yōu)化[J]. 周麗芬,趙云,周中良,謝新輝.  電光與控制. 2014(04)
[9]基于顯著性檢測與HOG-NMF特征的快速行人檢測方法[J]. 孫銳,陳軍,高雋.  電子與信息學(xué)報. 2013(08)
[10]AdaBoost及其改進算法綜述[J]. 廖紅文,周德龍.  計算機系統(tǒng)應(yīng)用. 2012(05)

碩士論文
[1]基于時空局部特征的人體行為識別方法研究[D]. 曹賽.西安電子科技大學(xué) 2014
[2]基于膚色和Adaboost算法的人臉檢測方法研究[D]. 翟中華.華南理工大學(xué) 2012



本文編號：3326240