论文部分内容阅读
随着计算机技术的迅速发展,人脸跟踪技术在安防、军事、人机交互、视频监控等领域得到越来越广泛的应用。目前的人脸跟踪算法对监控的环境都或多或少的提出了要求,当出现监控场景复杂,光线变化或者人脸位置偏转以及遮挡等情况时都容易出现跟踪丢失的现象,而且在大多数情况下,一个摄像头由于受自身视野的限制不能观测到全部感兴趣的区域,因此,为了监控宽阔区域中的人脸目标,需要多个摄像头协同跟踪。针对以上情况,本文对基于视频监控网络的人脸跟踪算法进行了研究,主要研究内容如下:人脸的跟踪是以人脸的检测为基础的,本文首先完成了对人脸的检测,之后将检测的结果作为跟踪的初始化搜索窗口,实现了在单个视频中的跟踪,最后通过提取多个视频中人脸的信息进行匹配,从而实现了多个视频间的人脸跟踪。在检测人脸区域的过程中,本文首先介绍了图像的光照预处理方法,然后对比了椭圆肤色模型和混合高斯肤色模型检测肤色的效果,选择出了一种实时性准确性兼具的肤色模型,最后采用了Adaboost算法对肤色检测得到的人脸候选区进行了进一步判定,准确的检测到了人脸。在单视频中进行人脸跟踪时,首先阐述了Camshift算法在人脸跟踪中的应用,将人脸检测的结果作为Camshift算法的搜索窗,避免了需要手动选择搜索窗的限制,在分析了其跟踪效果后,选择了粒子滤波跟踪算法来弥补Camshift算法的不足,最后采用了一种基于Camshift和粒子滤波的两步跟踪算法,对视频中的人脸进行了快速准确的跟踪。在对单个视频内的人脸目标进行跟踪后,采用了一种结合目标外形估计和建立路径模型的多摄像头数据融合方法在多个视频间跟踪人脸,首先对特征融合算法进行了整体介绍,然后采用了颜色直方图作为人脸的外形特征对人脸目标进行外形变化估计以及利用路径的空间和速度特征建立路径模型,通过这种数据融合方法实现了对穿过多个摄像头的人脸进行准确的跟踪。本文所采用的人脸跟踪算法将几种广泛使用的检测和跟踪算法融合在一起,弥补了一种算法的某些缺陷,此跟踪算法不仅实时性好,而且准确率高,较好的实现了多视频中人脸的跟踪。