本文關(guān)鍵詞：人臉面部特征點(diǎn)檢測及其在視頻監(jiān)控中的應(yīng)用

  更多相關(guān)文章： 人臉面部特征點(diǎn)檢測 形狀模型 分類器 形狀回歸

【摘要】：隨著信息技術(shù)的發(fā)展,智能化多媒體在安全控制、刑偵等方面得到了廣泛用。人臉面部特征點(diǎn)檢測(人臉對齊)作為人臉圖像智能中的重要方法,一直是研究的熱點(diǎn)。本文主要從人臉面部特征點(diǎn)檢測方法及其應(yīng)用兩個(gè)方面,研究人臉面部特征點(diǎn)檢測的重點(diǎn)難點(diǎn)。人臉面部特征點(diǎn)檢測方法研究主要包括基于形狀模型結(jié)合分類器的檢測方法和基于全局到局部回歸模型的檢測方法。人臉面部特征點(diǎn)檢測應(yīng)用主要包括檢測與跟蹤在視頻中的應(yīng)用。主要研究內(nèi)容如下:1、在基于形狀模型結(jié)合分類器的人臉面部特征點(diǎn)檢測方法中,提出了主動(dòng)形狀模型(Active Shape Model,ASM)結(jié)合隨機(jī)森林分類器(Random Forest,RF)的人臉面部特征點(diǎn)檢測方法以及ASM結(jié)合Adaboost分類器的人臉面部特征點(diǎn)檢測方法。實(shí)驗(yàn)將提出的方法與ASM及對應(yīng)的分類器檢測方法進(jìn)行對比,驗(yàn)證了算法在檢測速率和準(zhǔn)確率上的有效性。實(shí)驗(yàn)進(jìn)一步探索了搜索空間對分類器方法檢測準(zhǔn)確率的影響,得到搜索空間可優(yōu)化的結(jié)論,該結(jié)論為參數(shù)擇優(yōu)提供了有力參考。2、在基于全局到局部回歸模型的人臉面部特征點(diǎn)檢測方法中,將顯式形狀回歸應(yīng)用于局部形狀檢測(局部顯式形狀回歸),以提高形狀回歸在人臉細(xì)節(jié)上的檢測效果。進(jìn)一步通過對全局顯式形狀回歸以及局部顯式形狀回歸進(jìn)行分析,提出全局到局部顯式形狀回歸的檢測方法。該方法繼承了全局顯式形狀回歸的形狀約束優(yōu)點(diǎn)以及局部顯式形狀回歸的局部精細(xì)檢測的優(yōu)點(diǎn)。實(shí)驗(yàn)從回歸量的角度對三者的特性進(jìn)行分析,并從全局與局部回歸器的使用個(gè)數(shù)角度對全局形狀約束與局部形狀調(diào)整在全局到局部顯式形狀回歸的檢測方法中的重要性進(jìn)行分析,為參數(shù)擇優(yōu)提供參考。3、人臉面部特征點(diǎn)檢測在視頻監(jiān)控中的應(yīng)用部分,首先對視覺跟蹤的研究現(xiàn)狀進(jìn)行分析,著重通過對基于深度學(xué)習(xí)的視覺跟蹤算法和基于核相關(guān)濾波器的視覺跟蹤算法進(jìn)行實(shí)驗(yàn)對比,分析當(dāng)前研究領(lǐng)域跟蹤算法面臨的重點(diǎn)難點(diǎn)。其次,利用基于Hog特征和SVM分類器的行人檢測算法、基于Adaboost分類器的人臉檢測算法以及基于ASM結(jié)合隨機(jī)森林的人臉面部特征點(diǎn)檢測算法實(shí)現(xiàn)視頻檢測監(jiān)控系統(tǒng),從實(shí)際應(yīng)用出發(fā)分析人臉面部特征點(diǎn)檢測的重點(diǎn)難點(diǎn)。兩個(gè)跟蹤方法中,基于核相關(guān)濾波器的視覺跟蹤算法相對更適合復(fù)雜場景下的跟蹤,且跟蹤速率更快�；谏疃葘W(xué)習(xí)的視覺跟蹤算法更適合簡單場景下的跟蹤。
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;TN948.6

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 王洪群,彭嘉雄,強(qiáng)贊霞;基于邊緣和紋理特征相結(jié)合的快速人臉精確定位方法[J];計(jì)算機(jī)工程與應(yīng)用;2004年07期

，

本文編號：1273742