人脸检测及跟踪属于模式识别与计算机视觉的研究领域,它作为人脸信息处理中的一项关键技术,其在高安全性部门的警戒,入口控制及计算机保密以及智能人机交互等领域有着广阔的应用前景。人脸检测通常使用以下几种方法:基于知识的方法,基于特征的方法,模板匹配的方法和基于外观的方法。基于知识的方法是将检测作为一个对规则的判断过程。这些规则是通过先验知识获得的。符合这些规则为候选区域,通过层层筛选检测出人脸。基于特征的方法是指利用人脸特有的结构化特征检测出人脸,结构化特征包括肤色,纹理,几何特征等,不易受外部环境改变而改变。模板匹配的方法要先建立几个模板,每个模板描述部分特征,匹配时用相关性函数判断是否符合模板,这种方法对图像约束规定较严格。基于外观的方法是将一系列人脸作为对象,通过学习建立类似于神经网的模型,然后利用模型判断试验对象。四种方法各有所长,新的算法更多的是融合了这些方法的优点,例如很多基于肤色的算法中也加入知识和外观等方法。上述人脸检测技术都基于静态人脸,但在动态视频中检测人脸由于涉及到连续的图像,处理的数据量过大,所以鲁棒性和实时性大打折扣。本文为改善视频人脸检测的实时性与鲁棒性提出了基于红外跟踪的人脸检测新算法。本文使用的视频图像为红外,彩色两种格式。红外视频本身就是灰度图序列,具有目标明显,数据量小的优点,同样的算法,处理红外视频要比处理彩色视频在速度上快很多。而彩色视频图像清晰,包含了大量的细节,相比于红外视频在做图像分析及进一步处理上有先天的优势。本文提出的算法分两步,第一步先在红外视频中分割出活动的人体部分。由于红外成像中存在信噪比较低的问题,分割时先对图像进行增强,通过对红外图像中人体灰度的统计学习,计算出其阈值范围,进而在红外视频第一帧分割出初始人体区域,然后利用改进的菱形搜索块匹配进行人体区域动态分割,每秒对视频取一帧进行阈值分割以保证当新出现运动人体时,也能快速发现并实时地对其分割;第二步在彩色视频中匹配出运动人体并检测出人脸区域。将第一步分割出来的动态人体区域匹配到彩色视频中,这样就完成了对彩色视频中运动人体区域的提取。最后对人体区域进行肤色检测,合并非人脸肤色区域。由于去除了静态背景,原图像中与肤色相近的环境噪声的干扰变得微乎其微,计算量减少,运算速度大幅提高。试验证明本文提出方法有快速,准确,适应性强等优点。