论文部分内容阅读
随着信息智能化的飞速发展和需求,近几年来人脸分析学成为了计算机视觉、人工智能和模式识别等领域里的一个热门问题。人脸分析有六类课题,其中人脸检测和人脸跟踪就是其中最为热门的两大课题。它在视频监控、身份认证、智能人机交互、3D娱乐以及多媒体等领域都有着广泛的应用。人脸跟踪往往离不开人脸的检测,只有在人脸精确检测的基础上,才能保证人脸准确稳定的跟踪。本篇论文是以人脸检测和模板匹配为研究背景,提出新的人脸跟踪算法并加以改进和融合。实验结果证明本文算法能够保证人脸的跟踪的准确性、稳定性与实时性。对于人脸跟踪来说,一种方法是使用跟踪算法,根据人脸在上一帧的位置匹配它在下一帧的位置,但是这样会积累误差,而且一旦人脸在图像中消失,跟踪算法就会永久失效,即使人脸再次出现也很难准确的跟踪,同时人脸的姿态变换、位置变化后无法重定位影响着跟踪效果。另一种方法是通过人脸检测确定人脸在图像中的位置达到跟踪的效果。但是该方法需要提前对检测器进行训练,同时只能对正面清晰的人脸进行跟踪,一旦人脸受到遮蔽、姿态变换、光照等影响将导致跟踪失败。从以上来看,单独使用跟踪算法对人脸进行跟踪或单独使用分类器人脸检测方法都无法很好的胜任人脸跟踪的工作。所以本文致力于将两者结合,互相补充,使其在人脸跟踪中发挥各自的优点。本文的主要工作如下:第一章为绪论,介绍了相关研究背景与研究综述。第二章介绍了基于特征分类器人脸检测的方法,并重点介绍了基于Adaboost分类器的人脸检测方法,同时介绍了各类模板匹配跟踪算法。第三章阐述了Adaboost算法训练特征分类器的原理和过程,并结合基于灰度图像的模板匹配算法提出了基于人脸检测的模板匹配跟踪算法。该算法通过将人脸检测与模板匹配算法进行融合,克服了“模板漂移”这类问题,同时能够对姿态变换和消失后重现的人脸进行重定位,保持稳定的人脸跟踪。针对第三章算法存在的一些问题,第四章引入了感知哈希模板生成和匹配算法,并对第三章Adaboost算法进行改进,同时提出了自适应学习的模板更新方法。该算法首先利用改进后的Adaboost分类器对图像中的人脸特征进行检测和提取,然后利用感知哈希算法生成哈希模板并利用汉明距离法进行相似度判定,最后基于自适应学习的模板更新方法对模板进行自适应更新。实验结果表明该算法能够对视频序列中的人脸进行稳定、准确、实时地跟踪。第五章为总结与展望,总结了本文的研究内容,提出了今后的学习和研究方向。