基于核相关滤波的人脸检测跟踪算法研究

发布时间：2020-03-29 13:50

【摘要】：自然条件下的人脸检测是计算机视觉领域最基本与最核心的研究课题之一。该课题不仅具备重要的理论研究意义,并且在诸如辅助驾驶系统、系统监控以及终端刷脸等方面具有工程应用价值。经过近些年的相关研究,虽然己经有很多有效的人脸检测算法被提出,但是设计一种高实时性和准确性的人脸检测算法仍然具有相当大的挑战性。在跟踪过程中,人脸会受到光线,遮挡等外界环境的影响,以及平面外旋转,平面内旋转,表情变化,快速运动,尺度变化等自身外观变化的影响,一旦人脸检测跟踪模型无法应对以上的外观变化,将导致任务失败。因此如何设计一个实时和鲁棒的人脸检测跟踪算法仍是人脸检测跟踪领域的核心热点。本文从以下几个方面来展开工作:1)通过分析Dlib等人脸检测算法以及核相关滤波跟踪算法的优缺点,本文提出基于核相关滤波的人脸检测跟踪框架。具体来说,本方法将Dlib人脸检测算法和核相关滤波跟踪算法通过人脸验证方法进行融合,来提高人脸检测跟踪算法的实时性。针对人脸的尺度自适应和跟踪模型鲁棒更新问题,提出了基于SDM的人脸检测跟踪算法将SDM人脸对齐算法融入到人脸检测跟踪算法框架中。一方面,SDM能够利用对齐后的人脸特征点来实现人脸的尺度自适应;另一方面,对跟踪的结果进行SDM人脸对齐,利用得到的精准人脸位置和尺度信息来更新跟踪模型,保证跟踪模型的鲁棒性。最后,通过采集的人脸视频数据集进行实验验证,基于SDM的人脸检测跟踪算法在实时性和准确率方面超越了主流人脸检测跟踪算法。2)基于视觉的人脸检测跟踪技术是一类长期跟踪技术,为了保证跟踪出现失败后能及时进行人脸重检测,本文提出了一种基于Color-naming特征的人脸验证方法。在该方法中,设计了一种基于Color-naming的直方图特征,并用该特征作为人脸验证模型。该人脸验证方法包含学习过程和验证过程,初始阶段或当目标出现持续时间的外观变化后,需要进行验证模型的学习,学习完成后,利用学习得到的人脸验证模型对跟踪结果进行分析验证。该方法能够自动调整人脸验证模型,来应对人脸外观的变化。进一步,我们提出了基于自适应验证的人脸检测跟踪算法,该算法加入了自适应人脸验证功能,保证了算法的鲁棒性。最后,通过采集的人脸视频数据集进行实验验证,基于自适应验证的人脸检测跟踪算法在实时性和准确率方面超越了主流人脸检测跟踪算法。
【图文】：

逡逑（４）构建基本分类器的线性组合，逡逑／0）＝￥ｘｇ？逦（２ｉ＝ｍ逡逑（５）输出：利用公式（２．１０）得到最终分类器Ｇ？（ｘ）。逡逑Ｇｍ（ｘ）邋＝邋ｓｉｇｎ｛ｆ｛ｘ））邋＝邋ｓｉｇｎ邋＾ｏｃｍＧｍ（ｘ）逦（２．１＼Ｗ＝１逦Ｊ逡逑基于Ａｄａｂｏｏｓｔ人脸检测算法是由多个弱分类器组合而成。在训练过程的代中，根据当前样本的权值大小来选择弱分类器，并根据当前的弱分类结果对训练样本权值进行更新，减小分类正确的样本的权值，增大分类样本的权值，使得被错误分类的样本在后续的训练过程中被重点考虑，迭代过程中分类正确率较高的弱分类器给予较高的话语值，分类正确率予较低的话语值。通过不断的训练更新，最终将话语值最高的前Ｍ个弱级联成一个强分类器，用于人脸检测算法中。最后将多个强分类器进行如图２．１所示，便得到了人脸检测的级联分类器［３９］。逡逑？邋？？？？？？．逡逑＿

２．２．Ｌ２Ｈａａｒ特征的概述逡逑Ｈａａｉ？特征是一种表达图像梯度的特征。主要划分成边缘、线性和中心环绕逡逑三类Ｈａａｉ？特征，具体形式如图２．２和图２．３所示，将特征模板中的黑框像素和减逡逑去白框像素和得到Ｈａａｒ特征值，如图２．４所示。例如，，人脸的一些特征能由矩逡逑形像素和的差值来进行表达，如：瞳孔和眼球的颜色对比度较大，嘴唇比周围逡逑肤色的颜色对比度较大等。逡逑Ｈａａｒ特征是２０世纪末由Ｐａｐａｇｅｏｒｇｉｏｕ［４Ｑ］提出的，Ｖｉｏｌａ是将Ｈａａｒ特征逡逑首次应用到人脸检测并取得一定效果的人，他提出用如图２．２所示的４种基本逡逑Ｈａａｒ特征，而这些基本的Ｈａａｒ特征存在不足，对于倾斜的人脸检测效果较差．逡逑—W邋＿邋—邋—邋■—一邋■

本文编号：2606058