快速人脸检测与跟踪

• 作 者: 蒙丰博
• 机 构: 天津大学
• 出 处: 天津大学
• 发表日期: 2007年期
• 关键词: 人脸检测 人脸跟踪 颜色恒常性 Adaboost算法 Camshift算法

人脸检测要走向实际应用,精度和速度是亟需解决的两个关键问题。经过十多年的发展,人脸检测的精度得到了大幅度的提高,但是速度却一直是阻挠人脸检测走向实用的绊脚石。因此,如何构建快速实用的人脸检测与跟踪算法是本文研究的主要问题。本文在基于肤色分割的人脸检测系统中,将颜色恒常性算法引入到肤色分割中,较好解决了不同光照条件下的肤色分割问题。利用颜色恒常性算法估计环境光照,根据估计结果在YCbCr颜色空间中采用相应的高斯分布肤色模型,并利用动态阈值对人脸图像进行分割。实验结果表明,本文提出的算法对于非正常光照下,复杂背景的图像具有良好的分割效果。将本文算法加入到实验室基于肤色的人脸检测的程序中,比原系统的检测率提高了5.4%。Viola提出的基于Adaboost的人脸检测算法包含三部分内容:利用积分图快速计算Harr-like特征;利用Adaboost算法将若干个弱分类器组合成一个强分类器;将训练出来的一系列强分类器串连起来,构成层叠分类器。本文在对该算法进行深入研究之后,根据人脸的边缘几何特征,在原有Adboost人脸检测算法中引入边缘方向特征(EDF),将扩展的Haar-like特征和EDF特征结合在一起,构成新的特征库,再利用Adaboost程序框架训练分类器。实验结果表明,加入边缘方向特征之后,该算法可以在比较小的训练样本上达到更高的检测率,最终训练的分类器比原分类器具有更高的检测率。根据多媒体教学系统的应用需求,本文结合Adaboost人脸检测算法和Camshift跟踪算法,以Adaboost人脸检测算法作为人脸的初始定位,以Camshift作为后续帧的跟踪,构成在多媒体教学录制系统中实用的人脸跟踪算法。在模拟实验中,该算法取得了良好的跟踪效果。