论文部分内容阅读
随着信息技术的高速发展，个人身份识别、安检、智能人机交互系统等应用，对运动人体进行实时观察的智能视频监控技术的需求与同俱增，使之成为计算机领域的核心课题之一，并具有越来越广泛的实用价值和研究意义。尤其在美国受到恐怖袭击之后，全球日益关注安全问题。基于计算机视觉的智能安全监控系统不但能够高效地完成保障安全的任务，还能节省大量的人力物力，给社会带来很大的经济收益。
本文主要针对单目摄像头对固定场景中的活动人脸实时检测及定位识别算法进行研究与实现。所涉及的内容主要包换单目摄像头系统的建立，固定场景中的运动目标的检测与跟踪，固定场景中的人脸的定位与识别，并设计实现了用于实时场景的跟踪检测系统。其主要研究内容为以下几个方面：
1.在总结前人研究的基础上，采用了一种双高斯背景更新模型，对于不同光线情况下的自然光有较好的处理效果，并与之后的Kalman滤波器相结合，对运动目标实现了较为满意的跟踪。
2.采用人脸肤色模型结合相似度以及人脸轮廓来定位人脸。该方法首先利用运动信息提取出场景内感兴趣的运动目标，然后利用改进非线性YCbCr空间中的肤色模型分离肤色区域，再利用人脸轮廓排除近人脸肤色的非人脸目标。通过该方法由粗而精进行人脸检测，减少了计算量，实现多种信息的融合，改善了系统的性能，进而能够更准确、更鲁棒地检测人脸。
3.对提取出来的活动人脸图像，本系统结合二维嵌入式隐马尔可夫模型的特点，采集多种姿态的人脸进行加权合成训练其E-HMM参数。从理论上提高了通过人脸特征识别人脸图像的准确率。