论文部分内容阅读
随着互联网技术和多媒体技术的发展，人脸相关的应用越来越来引起人们的关注。人脸特征点定位和跟踪在人脸识别、人脸动画、人脸表情识别、人脸三维建模以及卡通人脸合成等方面具有非常重要的作用，是当前计算机视觉、计算机图形学、模式识别等领域的研究热点。
在复杂背景下进行人脸特征定位跟踪，一直是一个研究难题。为了达到检测的实时性以及检测的精度，研究者采用各种各样的方法从很多个角度去研究，目前已经有很多的算法和模型提出，至今仍然没有一个一般性的算法或模型能够解决这一研究难题。本文通过增加一些约束使得人脸特征检测获得满意的跟踪效率和检测精度，主要的研究内容和成果如下：
1) 总结了目前的人脸特征定位和跟踪的常用算法，分析了这些算法的优缺点。
2) 研究了基于Adaboost算法的人脸区域检测。采用AdaBoost方法训练大量的样本产生级联分类器，利用该级联分类器进行人脸检测，由于检测会出现误检的人脸区域，本文对检测出的人脸区域进行肤色验证，有效地降低了误检率。实验表明，改进的Adaboost算法可以检测多人脸区域，在光照、表情等多种外在因素变化的背景下检测取得95％的正确率，具有很高的实用价值。
3) 实现了一个实时进行人脸特征定位和跟踪的系统。在单人脸头肩图像序列中，首先利用改进背景差分法并结合帧间信息提取出人脸前景图像，利用几何先验知识和积分投影法分离出人脸区域；接着在人脸区域中采用YCbCr肤色模型和模板匹配相结合的方法定位出眼睛，最后在RGB空间上找出人脸的五官特征(如嘴角，眉毛，鼻子等)。实验表明，该系统可以快速地检测出人脸特征，具有较高的检测精度和鲁棒性，检测的帧率达到15fps。