人脸检测与跟踪算法的研究

来源 :西安科技大学 | 被引量 : 0次 | 上传用户:wpf82011
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人脸检测与跟踪是人脸信息分析中的基础和关键技术之一,在视频监控、人机交互、生物特征识别、基于内容的图像检索、图像编码等方面都有着广泛的应用前景。在人脸检测方面,本文重点研究了基于肤色的人脸检测算法和基于AdaBoost的人脸检测算法,受积分图像的启发,利用肤色二值化积分图实现检测窗口中肤色像素比例的快速计算,将肤色信息引入AdaBoost人脸检测算法中,对检测窗口将进行初选,有效地减少了彩色图像中的误检测现象。在人脸跟踪方面,本文深入研究了均值移动算法和CamShift算法,CamShift算法是以均值移动算法为核心的改进算法,该算法不受跟踪目标形状和大小的影响,具有很强的抗亮度变化和噪声干扰的能力,而且CPU的占用率非常低,适合作为人机交互界面的接口,但抗肤色背景干扰和目标遮挡的能力较差。针对以上缺点本文提出了更新跟踪目标和引入辅助信息的方法对CamShift算法进行改进,结合AdaBoost人脸检测算法实现了跟踪目标的自动初始化,通过构建多个CamShift跟踪器,实现了多人脸的跟踪。最后,本文在VC++6.0应用环境下,开发了多人脸自动检测与跟踪的测试系统,实验结果证明改进后的人脸检测与跟踪算法具有较强的实时性和鲁棒性。
其他文献
第四代移动通信系统(4G)高容量、高质量和高移动性的要求对信道估计技术提出了非常严格的要求,而复杂多变的移动通信信道则使MIMO-OFDM系统的信道估计技术面临着更大的挑战。
无线传感器网络(Wireless Sensor Network,WSN)技术结合了微控制技术和无线通信技术等,是近几年新兴的物联网关键技术之一。WSN由大量微型传感器节点组成,节点将收集到的信息
水声技术的不断发展对水下设备的接口能力提出了越来越高的要求。如何进行各个接口的设计,是水下设备所必须解决的问题。根据水声设备接口配置灵活的特点,本文采用Altera公司
作为下一代网络的核心研究内容,认知无线网络(Cognitive Radio Network,CRN)是受认知无线电技术启发而提出的一种具有认知特征的主动网络。认知无线网络能够感知网络整体状态
雷达目标检测与识别作为现代雷达技术的重要发展方向之一,已成为各国武器系统中重要的组成部分。其中恒虚警率(CFAR)检测技术已成为雷达信号处理的关键技术之一,它的好坏直接影
正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)以其具有较强的抗干扰能力及较高的传输速率,在现代通信系统中得到了非常普遍的应用。随之而来的OFDM信
2014年,欧洲数字电视广播组织正式发布了第二代数字电视广播卫星标准(Digital Video Broadcasting-Satellite Second Generation,DVB-S2)的扩展标准DVB-S2X(Digital Video Br
MIMfO(MIMO,Multiple lnput MultipleOutput)技术是一种新兴的有源探测技术,现已成为雷达技术领域的一个研究热点。它的发射天线和接收天线根据系统要求可以进行灵活布置并且每
低密度奇偶校验码(Low-Density Parity-Check Codes,LDPC),是一类纠错性能接近Shannon限的好码,成为近年来研究的热点之一。QC-LDPC(Quasi-CyclicLDPC)码是一类非常重要的LDPC码,相对
人脸识别作为一种典型的生物特征识别技术,以其自身的优势已经成为一个热点研究问题。在人脸识别中,特征提取是非常关键的一步,影响着后续分析和分类系统的性能。因此,如何有