視頻序列中實時人臉檢測及姿態(tài)估計的研究.pdf

1、分類號——切叱密級學(xué)校代碼lQ壘窆2致塍理歹大署學(xué)位論文題目墊塑莊到主塞墮厶墜撿型盈姿查垡鹽鮑塑窒英文基童墨曼亟墮hQ塾壁星墾i：!i堡曼呈壘魚曼旦曼!l笙!iQ塾題目i坐亟￡Q璺晝亙墨!i望!型iQ墜i望yi亟曼Q墨曼g旦曼塾壘曼研究生姓名梅鵬指導(dǎo)教師副指導(dǎo)教師姓名型麴430063申請學(xué)位級別——碩士430063論文提交日期至Q!!生主旦論文答辯日期至Q!!生三旦學(xué)位授予單答辯委員會2011年5月武漢理工大學(xué)碩士學(xué)位論文lUlrfIr

2、lllIIIIrllIIIIY1880291摘要人類科技日新月異，計算機模式識別和計算機視覺領(lǐng)域的各項技術(shù)也得到不斷深入的研究與發(fā)展，同時也得到了廣泛的實際應(yīng)用。其中，人臉檢測跟蹤以及姿態(tài)估計技術(shù)就是引起了長期的關(guān)注并得到越來越多研究的重要課題。隨著各種人臉檢測以及姿態(tài)估計算法的不斷提出并實現(xiàn)，人臉檢測以及人臉姿態(tài)估計技術(shù)在身份的識別與驗證、虛擬現(xiàn)實、智能視頻監(jiān)控以及人機交互等方面得到了越來越多的研究與應(yīng)用，有著廣闊的發(fā)展前景和極高的商

3、業(yè)應(yīng)用價值，一直是計算機模式識別和計算機視覺領(lǐng)域的研究熱點。目前對于人臉檢測，國內(nèi)外做了大量的研究并提出了大量算法，并且有著各種不同的分類方式。本文從圖像來源的角度將待檢測圖像分為靜態(tài)圖像和動態(tài)圖像兩類，同時指明動態(tài)圖像的人臉檢測問題可以轉(zhuǎn)化成對靜態(tài)圖像的人臉檢測問題。對于靜態(tài)圖像的人臉檢測算法，本文進行歸納和簡單的介紹，然后選擇了AdaBoost學(xué)習(xí)算法進行人臉檢測，根據(jù)經(jīng)典AdaBoost學(xué)習(xí)算法的原理，完成了從分類器的訓(xùn)練到人臉的

4、檢測工作。對于訓(xùn)練樣本采用規(guī)格化處理，選取特定的大小保證分類器訓(xùn)練速度。同時在人臉檢測過程中改進分類器縮放比例以及搜索過程以保證人臉檢測速度和精度。最后通過實驗，分析實驗結(jié)果，證明算法的可行性和有效性，能夠滿足課題研究的要求。本文采用了結(jié)合LK光流跟蹤算法和C鋤S1lifI跟蹤算法的方法進行人臉跟蹤同時進行姿態(tài)估計以保證算法的速度和精度。選擇LK光流跟蹤為主，CamShiR跟蹤為輔的方式，通過將跟蹤到的區(qū)域位置信息與設(shè)定的基準區(qū)域位置信

5、息進行比較的方法實現(xiàn)姿態(tài)估計。首先采用ASM模型進行人臉特征點定位，同時利用ASM得到的人臉特征點之間位置的幾何關(guān)系進行正臉的判定。當搜索匹配到正臉的位置后，設(shè)定基準區(qū)域的位置信息，并提取相關(guān)特征點進行LK光流跟蹤以及特征點位置比較，從而進行姿態(tài)估計。而當光流跟蹤失敗時則采用CamShiff跟蹤的結(jié)果進行比較來實現(xiàn)姿態(tài)估計。通過錄取視頻文件進行實驗，結(jié)果表明該方法具有可行性。關(guān)鍵詞：人臉檢測跟蹤，姿態(tài)估計，AdaBoost學(xué)習(xí)算法，特征