基于RealAdaBoost和WMIL的人臉檢測(cè)與跟蹤.pdf

1、人臉檢測(cè)與跟蹤技術(shù)一直是模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究課題，在視頻監(jiān)控、人臉識(shí)別、表情識(shí)別、醫(yī)療診斷、人機(jī)交互等諸多領(lǐng)域有廣闊的應(yīng)用前景。在視頻監(jiān)控領(lǐng)域，人臉檢測(cè)與跟蹤的研究提高了視頻監(jiān)控的智能化，在不需要人為干預(yù)的情況下，系統(tǒng)能夠鎖定目標(biāo)，對(duì)監(jiān)控場(chǎng)景中的目標(biāo)進(jìn)行檢測(cè)與跟蹤。本文分析和討論了近幾年來(lái)國(guó)內(nèi)外關(guān)于人臉檢測(cè)與跟蹤的研究報(bào)告和學(xué)術(shù)論文基礎(chǔ)上，深入地研究了人臉檢測(cè)與跟蹤方法。論文的主要研究成果可以概括如下:
　　(1

2、)本文利用了膚色和Real AdaBoost各自的優(yōu)點(diǎn)，具有穩(wěn)定性好、速度快，降低了誤檢率的特點(diǎn)，實(shí)現(xiàn)了更加準(zhǔn)確的人臉檢測(cè)。膚色容易受到光照等因素所造成的影響，在進(jìn)行膚色分割之前,把圖像轉(zhuǎn)換到 YCbCr色彩空間。然后利用膚色較強(qiáng)的聚類(lèi)特性，對(duì)圖像中的膚色區(qū)域和非膚色區(qū)域進(jìn)行分割，初步篩選出人臉候選區(qū)域，為后續(xù)工作打下基礎(chǔ)。Real AdaBoost算法是經(jīng)過(guò)改進(jìn)的AdaBoost算法，其能夠?qū)θ鯇W(xué)習(xí)得到的弱分類(lèi)器的錯(cuò)誤進(jìn)行適應(yīng)性調(diào)整，

3、構(gòu)建準(zhǔn)確的分類(lèi)器。實(shí)際情況中的圖像人臉尺寸大小是不一的，因而引入多尺度的檢測(cè)機(jī)制。采用級(jí)聯(lián)的Real AdaBoost進(jìn)行訓(xùn)練和檢測(cè)，提高了檢測(cè)的精度。
　　(2)針對(duì)WMIL在光照突變或者全部遮擋的的情況下會(huì)跟蹤失敗，提出了一種基于改進(jìn) WMIL算法和AdaBoost的實(shí)時(shí)單人臉檢測(cè)和跟蹤算法。利用AdaBoost級(jí)聯(lián)分類(lèi)器對(duì)圖像進(jìn)行掃描，得到初始跟蹤目標(biāo)，然后基于定位到的人臉信息，在WMIL算法的框架下，對(duì)圖像進(jìn)行多尺度表示，

4、采用壓縮感知的方法來(lái)提取樣本特征，利用WMIL算法建立分類(lèi)器對(duì)人臉進(jìn)行跟蹤，并進(jìn)行實(shí)時(shí)更新。實(shí)驗(yàn)結(jié)果表明，算法滿足了實(shí)時(shí)性的要求，改善了WMIL存在的不足，有效解決了人臉外觀變化，姿態(tài)改變、快速運(yùn)動(dòng)等因素的影響，連續(xù)穩(wěn)定的跟蹤目標(biāo)，具有很好的魯棒性。
　　(3)由于WMIL采用單特征(Haar特征)描述目標(biāo)，這種特征描述不能全面地表示目標(biāo)，一定程度上影響目標(biāo)跟蹤效果。分布域描述算子不僅能很好地表征圖像信息，并且能在目標(biāo)區(qū)域產(chǎn)生一個(gè)