复杂背景下人脸检测与跟踪研究

来源 :中国航天第二研究院 航天科工集团第二研究院 | 被引量 : 0次 | 上传用户:zc81065442
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于智能监控、数码摄像机、视频编解码、人机交互等多个应用领域广泛的需求,人脸相关的研究逐渐成为了国内外的热点。人脸检测与跟踪是人脸研究中两个重要的方面。人脸检测是指从输入的图像或者图像序列中确定人脸的大小、位置与姿势的过程。人脸跟踪则是指从输入图像序列中确定人脸的运动轨迹与其大小变化的过程。本文主要研究复杂背景下人脸检测与跟踪的相关算法及其改进方法。  由于基于Haar分类器的人脸检测方法检测速度快,对光照等影响因素的鲁棒性好,这种方法是目前复杂背景下人脸检测最常用的方法。通过对Haar分类器及其人脸检测实验结果的分析,指出了Haar分类器的一些不足,并通过K均值、AD AdaBoost和非对称决策树(ASCART)来改进传统的Haar分类器。实验结果表明,同等条件下基于K均值改进的Haar分类器其检测精度和速度分别提高了10%和87%,基于ASCART或AD AdaBoost改进后的Haar分类器其精度和速度相应提高了13%和95%,而综合运用K均值和ASCART改进以后相应性能指标则提高了15%和103%。  对于复杂背景下的人脸跟踪问题,主要分析了肤色直方图、均值漂移算法及其在人脸跟踪上的应用。通过对Cam-Shift算法与实验结果的分析,指出了传统的基于Cam-Shift人脸跟踪算法的一些不足。通过利用Kalman滤波器预测人脸位置改进经典的基于Cam-Shift的人脸跟踪算法。实验证明改进后的算法可以提高在人脸运动较快场景下的跟踪性能。
其他文献
本文以快速生成三维建筑物模型为目标,研究平面图引导的虚拟环境三维建模问题,重点对建筑平面图的图元几何关系描述、工程符号识别、构件轮廓提取等关键技术进行了深入的研究
随着互联网技术的发展,电子邮件已经成为日常生活中最常用的通讯手段之一。在电子邮件取得巨大发展的同时,垃圾邮件问题也日益严重。垃圾邮件不仅浪费网络资源,干扰人们的正
计算机视觉系统已经广泛地应用于户外场景中,在城市交通监控、航拍、遥感成像等领域都发挥着重要的作用。然而,现有的视觉系统对环境条件非常敏感,如果处理不当会极大地限制和影
近年来,随着各种网络应用的涌现,网络在人们的生产生活中无处不在。诸如因特网、企业内部网、局域网、广域网和传感器网络等应用环境都会产生大量的数据流,而它们往往具有分布式
在云环境下,服务商主要采取按需收费的方式对资源进行计费,这种收费模式的应用,对于云平台的管理系统而言,需要做到合理分配调度资源,协调管理用户所提交的工作流。因此,通过研究工
模型驱动体系结构强调以模型为核心进行软件开发。模型转换是模型驱动体系结构的关键技术。模型转换是一种操作,能将前一个阶段产生的模型自动或半自动地转换成后续阶段所需
随着计算机的广泛应用、传感器技术的不断成熟和人机交互领域的长足发展,越来越多的创新计算技术和新型传感器技术被应用到人机交互领域,产生了丰富的多通道人机交互技术。同时
格基归约是格理论研究的一个重要内容,许多格上问题都通过归约来求解。LLL归约算法能够在多项式时间内找到格的一个短向量,该短向量的长度不超过格中最短向量长度的2(n-1)/2倍,
基于网络的三维地形交互式实时绘制技术在虚拟战场、三维地理信息系统、三维网络游戏中有非常重要的应用。本课题是基于网络的大规模地形交互式实时绘制系统的一部分,主要研究
目前世界上掀起了物联网研究的热潮,物联网发展己正式列入中国国家发展战略,各级政府高度重视,纷纷建设物联网示范工程,相关产业迅速涌现,从业人员迅速增长。军工企业安全生产监管