论文部分内容阅读
目前的人脸图像信息处理领域中,主要包含有人脸检测、人脸跟踪、人脸识别、表情识别等多个方向。视频序列中的人脸检测与跟踪是计算机视觉和模式识别领域的一个研究热点。它是人脸信息处理的基础,在人脸识别、视频会议、智能监控、人机交互、疲劳检测、3G移动通信等领域中有着重要的研究意义和应用价值,近年来人脸检测与跟踪技术日渐成熟。
本文主要研究了视频序列中的人脸检测与跟踪技术。在人脸检测方面,本文研究了基于肤色模型的人脸检测方法和基于人眼定位的人脸检测方法,前者在YCgCb和HSV彩色空间中构建新的肤色模型之后加入边缘检测信息,进一步把人脸从图像背景中分离出来,经过形态学处理和人脸验证之后能有效的检测正面和侧面人脸;后者在基于肤色模型的人脸检测算法的基础上,对标记出的人脸候选区域进行区域分析和色度分析,确定人眼候选区域,然后通过一些人眼判别方法确定人眼的位置。最后根据眼睛对在侯选区域中的位置重新标记人脸,确定人脸在图像中的最终位置。
在人脸跟踪方法上,本文研究和分析了几种常见的跟踪算法。根据系统实时性的需要,采用Camshift人脸跟踪算法。针对Camshift算法不能实现自动跟踪、抗复杂背景干扰和目标遮挡的能力较差的缺点,提出了利用面积和比例阈值的方法,结合肤色分割人脸检测算法实现了Camshift算法的自动跟踪,和人脸被遮挡后可以继续跟踪。通过引入HSV空间中亮度S和饱和度V信息,加权人脸区域,提高了算法的抗干扰性。
本文的创新点分别体现在以下三个方面:
(1)提出了针对彩色图像的肤色分割人脸检测方法,并且加入了边缘检测信息。
(2)提出了基于色度与几何特征的人眼定位方法,根据眼睛对在人脸中的几何分布重新标记人脸区域,进一步精确定位图像中的人脸。
(3)在传统的Camshift人脸跟踪算法基础上,提出了把肤色分割人脸检测算法和Camshift人脸跟踪算法相结合,实现了人脸的实时检测与跟踪。提出了引入人脸的饱和度S和亮度V信息以及加强人脸区域概率密度值,提高了算法跟踪的健壮性。
实验结果在与其他算法的比较分析中证明,本文提出的方法在检测率、误检率和检测与跟踪速度等方面均可获得较理想的结果,在两个综合性能方面是完整的、高效的人脸检测与跟踪算法。