论文部分内容阅读
人脸的定位与跟踪是最近几年图像处理领域研究比较热门的课题之一。随着研究的不断深入,该领域的研究取得了长足的发展,研究的深度在不断增加,研究的范围在不断扩大。人脸定位与跟踪技术的研究具有重要的学术价值,巨大的应用价值和市场潜力,所以对该课题进一步研究的要求已经变得更加迫切。目前,人脸定位与跟踪技术已经应用到军事、医疗、银行、海关安检等场合,并且随着该项技术的逐步成熟与完善,它将逐渐应用到社会和生活的各个方面,为人民生活的安定、和谐社会的稳步发展提供有力保障。本论文的主要工作分为两部分。第一部分是人脸的定位,该部分首先采用帧差法将连续的两帧视频图像进行预处理,去除掉背景中不动的部分,将处理的范围缩小到运动的区域,然后结合人脸肤色模型对人脸进行粗检测,经过这一步就可以将人脸大致定位出来。但是为了增加定位的精度以及后续跟踪的准确率,在经过该步处理后的肤色区域中,利用基于统计学的adaboost算法对人脸进行精确定位,将人脸用外接矩形框标记出来。该部分的创新之处在于在原adaboost算法的基础上增加了对旋转任意角度人脸的检测功能。算法首先通过Laplacian方向性边缘检测算子结合辐射模板判断出人脸的旋转角度,然后将人脸图像规整化为正面人脸,再利用adaboost算法进行人脸检测。在第二部分也就是人脸的跟踪部分,有效地结合了第一部分人脸检测中所采用的算法结果,采用将adaboost人脸检测算法和Camshift人脸跟踪算法相结合的方案对人脸进行跟踪。将在单帧图像中经过adaboost算法处理所得到的人脸外接矩形框的大小、位置作为Camshift搜索窗口的初始值,在跟踪下一帧图像时,只需要在该搜索窗口稍大的区域进行人脸的搜索即可。本论文在人脸检测部分所采用的帧差法、人脸肤色模型法与人脸检测adaboost算法相结合的算法,并且创新性的添加了检测旋转任意角度人脸的辐射模板法,经过实验验证,可以在保证人脸检测精确率的前提下大幅度的提高人脸检测的效率,并且对旋转人脸有很好的检测效果。在人脸跟踪部分,改进了原Camshift算法在初始化搜索窗口时的迭代过程,将第一部分人脸定位的结果作为Camshift搜索窗口的初始值,减少了Camshift初始化搜索窗口的迭代次数,大大提高了跟踪的效率。