人脸检测识别作为一项重要的生物特征识别技术,一直是计算机视觉与模式识别领域的研究热点。随着嵌入式系统的快速发展,智能视频监控系统的广泛应用,如何同嵌入式设备相结合来发展人脸检测识别技术,已成为其在应用领域的新课题。本文基于视频编解码芯片GM8180嵌入式系统开发平台,通过引入视觉选择性注意力机制,选用Adaboost人脸检测算法和Camshift跟踪算法,研究实现了基于嵌入式平台的智能视频监控系统。首先,通过引入视觉注意力机制,研究视觉注意力机制的模型、特征分类、感兴趣区域提取模式等,分析自底向上模型和自顶向下模型双方面特点,比较视觉特征选定和特征区域提取各算法优缺点,采用显著图理论模式进行本文的视频感兴趣区域提取研究。针对系统应用以肤色、动作、纹理三个显著特征为模型基础特征,提取特征区域图和生成显著图,通过阀值判别形成人脸初步检测。其次,利用基于类Haar特征的Adaboost人脸检测算法进行人脸位置的精确检测,针对系统采用的嵌入式平台,应用多种优化方案,包括:浮点转定点、参数优化、基于感兴趣区域搜索等,提高该算法在嵌入式平台下的检测速率和工作效率,实现感兴趣区域下的实时检测。最后研究比较各种人脸跟踪算法,针对系统实际应用需求,采用Camshift算法,结合Adaboost人脸检测,锁定目标人脸矩形搜索区域,建立人脸的颜色概率模型,将输入的视频图像转化为肤色概率分布图,通过比对查找质心位置,实现人脸跟踪。本文最终实现了在GM8180平台上的人脸检测跟踪,基于感兴趣区域精确搜索出人脸位置,然后实现目标连续跟踪。结果表明,引入视觉注意力机制使得系统可以优先检测跟踪视频图像中的显著人脸,以及尽快排除非人脸区域,相较于单纯的人脸检测算法,基于视觉注意的Adaboost人脸检测对于视频中存在多个人脸的状况区分出了优先级,更加符合智能视频监控系统的功能理念,而Camshift的跟踪算法也基本达到系统实时跟踪的要求。