基于视频序列的目标人脸跟踪技术的研究

发布时间：2021-08-06 18:09

　　人脸检测与跟踪技术在模式识别与计算机视觉领域里极具研究价值,在实际生活中能得到诸多应用,与人类息息相关。互联网大数据时代下,国防安全,智能视频监控,边防安检,电子商务等诸多领域都能看到人脸检测、人脸识别及人脸跟踪的影子,人脸检测与人脸跟踪作为其中关键环节,在近年来受到越来越多研究学者的重视。本文考量了人脸跟踪中特征融合阶段,设计了一个基于肤色分割的人脸检测方法与改进自适应人脸特征的Staple算法的人脸跟踪方法,详情如下:（1）通过研读大量人脸检测与人脸跟踪的文献资料,将人脸检测技术中基于先验知识的人脸检测和基于统计的人脸检测进行研究总结,将人脸跟踪方法从基于模型跟踪,基于运动信息跟踪,基于人脸局部特征跟踪,及近几年大热的基于神经网络跟踪几类方法进行研究总结。（2）针对视频序列的人脸检测问题,采用肤色概率特征的方法描述人的面部。首先,为了校正色偏,对视频首帧进行光照补偿预处理,以便提取肤色概率特征;然后,在三个颜色空间中进行比较与筛选,选择对人脸使用亮度与色度相分离的YCbCr颜色空间,以凸显其人脸的聚类特性。利用人脸的先验特征,保留符合条件的人脸区域;最后将定位的区域在原图像里标记出... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

RGB颜色空间模型

其中 Y 是亮度，U 是色度，和 V 浓度。空间的设计是由于彩色电视的发明，当时的黑白电视量，只能表示黑白两种颜色，也就是所谓的灰度值。 U 色度与 V 浓度两种分量。YUV 颜色空间的色彩表B 互相转换的公式如下︰ = = = = = = 颜色空间色空间中 H 为色调，S 为饱和度，V 为亮度，通过人。在坐标空间上呈六角锥体的形状。如图 2-2 所示：

适应的分配每个高斯模型权重比例，通过合理的分配权重比例可以得到更好的效果，对肤色区域提取的更加精准，但多个高斯模型使得计算量较大，而且每个高斯模型的权重分配比例尤为关键，相较于单一高斯模型，所耗费的时间更长。4）统计直方图模型：类似于阈值模型，但是肤色概率特征是通过对大量人脸肤色样本训练出来的，将训练出来的肤色概率模型以直方图的形式展现出来。使用该模型的优点直方图表征肤色特征简单直观，缺点在于需要统计大量人脸肤色样本，比较耗费时间。2.4 形态学图像处理形态学处理[41]（morphology）衍生于生物学，该方面内容主要研究动植物的形态与结构，同样，我们也可运用到图像处理中。由于拍摄设备质量、和当时拍摄条件的限制，视频图像本身就存在一些噪声点，这会影响到肤色分割的效果，二值化处理后，这些噪声点会一小白点的形式出现在图像中，为了消除对之后检测过程的影响，所以需要先对图像进行形态学的处理。如图 2-3 所示

【参考文献】：
期刊论文
[1]自适应特征选择的相关滤波跟踪算法[J]. 刘万军,孙虎,姜文涛.  光学学报. 2019(06)
[2]特征融合和模型自适应更新相结合的相关滤波目标跟踪[J]. 王暐,王春平,李军,张伟.  光学精密工程. 2016(08)
[3]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋.  自动化学报. 2016(10)
[4]改进核相关滤波的运动目标跟踪算法[J]. 邢运龙,李艾华,崔智高,方浩.  红外与激光工程. 2016(S1)
[5]融合YCbCr肤色模型与区域标记的人脸检测算法研究[J]. 杨恒,张再军,杨东,张儒良.  软件导刊. 2016(02)
[6]变电站智能监控系统[J]. 陈旭,韩文花.  广东电力. 2015(06)
[7]LBP和HOG的分层特征融合的人脸识别[J]. 万源,李欢欢,吴克风,童恒庆.  计算机辅助设计与图形学学报. 2015(04)
[8]捕控指令电视制导导弹发射位置优化[J]. 周丽芬,赵云,周中良,谢新辉.  电光与控制. 2014(04)
[9]基于显著性检测与HOG-NMF特征的快速行人检测方法[J]. 孙锐,陈军,高隽.  电子与信息学报. 2013(08)
[10]AdaBoost及其改进算法综述[J]. 廖红文,周德龙.  计算机系统应用. 2012(05)

硕士论文
[1]基于时空局部特征的人体行为识别方法研究[D]. 曹赛.西安电子科技大学 2014
[2]基于肤色和Adaboost算法的人脸检测方法研究[D]. 翟中华.华南理工大学 2012



本文编号：3326240