论文部分内容阅读
随着科技的进步以及人们安全意识的提高,智能监控具有更加广阔的发展前景。相对于身体的其他部位,人类的头部及面部信息具有更高的区分度。因此对头部区域的检测跟踪方法研究,对于提高社会人身份识别的准确率,从而提升智能监控的效率和性能具有重要意义。从头部目标描述手段来看,目前对于人类头部区域的检测跟踪已经从二维信息逐步过渡到二维与三维信息融合,因此研究三维头部区域的获取、处理方法及研究基于二维信息估计恢复三维信息的方法,对于智能监控、虚拟现实及3D电影动画制作具有更加深远意义。本文主要研究了深度图像的头部区域检测跟踪及基于单幅人脸图像的特征点深度估计的两部分内容。本文重点研究如何利用深度图像进行头部区域的检测与跟踪。首先在获取深度图像和视野中物体的边缘信息后,进行距离变换增加物体的细节信息;随后利用改进的模板匹配算法在距离图像上实现类头部区域的检测;为了提高模版匹配算法的实时性,下采样模板和图像并增大步长,但是不可避免地导致漏检率的提升,因此本文通过数学统计分析方法和设计的特征筛选出头部中心点,最后采用区域生长算法生长出整个头部区域。基于深度图像头部区域跟踪算法利用帧差法和形态学处理得到头部区域后采用改进的Mean-shift算法进行跟踪。本文将Mean-shift算法稍加改进应用到深度图像,同时引入遗忘因子对模板进行更新。当目标物体偏离视野中心区域的角度超过一定的阈值时,利用微控制系统控制步进电机进行旋转补偿,否则继续跟踪。为解决无法直获取深度图像的情况,本文还研究了利用彩色图像重建3D头部区域的核心问题——深度估计问题,即利用已有的3D数据库,对单张人脸图像进行深度估计。首先根据3D数据建立人脸数据库;之后采用face++获取人脸区域的特征点坐标,并进行Delaunay三角划分;接着针对以某个点为顶点的每一个小三角形区域,在数据库中寻找相似三角形并计算相似度;最后对Z轴信息进行权重求和,权重的分布依赖于三角形之间的相似度。