人臉檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一項(xiàng)基礎(chǔ)技術(shù),是視頻圖像中分析和理解人臉的第一步。由于人臉的多變性和外界環(huán)境的一些不可控干擾因素,如人臉的姿態(tài)變化、背景復(fù)雜、人臉遮擋、尺度變化等,設(shè)計(jì)出實(shí)時(shí)且性能良好的人臉檢測(cè)與跟蹤算法仍是一個(gè)具有挑戰(zhàn)性的課題。本文分別分析了最新的人臉檢測(cè)和人臉跟蹤算法,并做出了一定程度的改進(jìn)來(lái)提升算法的性能。在人臉檢測(cè)部分,本文設(shè)計(jì)了STFD（Scale-invariant Tiny Face Detector）人臉檢測(cè)算法。首先,特征提取模塊采用全卷積神經(jīng)網(wǎng)絡(luò):由VGG16的前5層網(wǎng)絡(luò)結(jié)構(gòu)和額外添加的三層網(wǎng)絡(luò)結(jié)構(gòu)組成,自動(dòng)學(xué)習(xí)圖像的復(fù)雜特征,包括低層的空間細(xì)節(jié)信息和高層豐富的語(yǔ)義信息。而后利用6個(gè)尺度的特征圖來(lái)檢測(cè)不同尺度的人臉,大尺度特征圖（低層卷積的特征圖）檢測(cè)小尺度人臉,小尺度特征圖（高層卷積的特征圖）檢測(cè)大尺度人臉,解決人臉的多尺度檢測(cè)問(wèn)題。最后針對(duì)小人臉和離群人臉的漏檢問(wèn)題,設(shè)計(jì)了在低層卷積的特征圖上加大anchor密度的方法,增加小人臉和離群人臉的anchor匹配數(shù)目,從而提升檢測(cè)率。在PASCAL人臉數(shù)據(jù)集、FDDB和WIDER FACE的驗(yàn)證集上的... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人臉檢測(cè)二分類(lèi)模型圖

第二章 相關(guān)理論知識(shí)第二章 相關(guān)理論知識(shí)臉檢測(cè)算法的相關(guān)理論知識(shí)臉檢測(cè)的大致流程如圖 2-1 所示，先在輸入圖像中生成候選框，然后分類(lèi)的圖像特征進(jìn)行檢測(cè)之后判斷候選框中的圖像是否為目標(biāo)，如果是目標(biāo)概率），利用邊框回歸精修候選框，最后非極大值抑制選擇出最佳的人

候選框的生成成候選框是目標(biāo)檢測(cè)過(guò)程中的一個(gè)很重要的步驟，候選框的生成方式的速度和效率。根據(jù)目標(biāo)檢測(cè)的發(fā)展，生成候選框可以分為三個(gè)階段：選擇搜索（Selective Search）方法；錨點(diǎn)（anchor）機(jī)制的方法�；瑒�(dòng)窗口窗法的思路比較簡(jiǎn)單：首先，對(duì)輸入的圖像從左到右、從上到下，采用滑窗按照指定步長(zhǎng)進(jìn)行滑動(dòng)；然后，進(jìn)行卷積操作；最后，將卷積的結(jié)好的分類(lèi)器，得到對(duì)當(dāng)前窗口的評(píng)分，如果評(píng)分較高，則認(rèn)為檢測(cè)到了測(cè)為例，滑窗法生成候選窗口的過(guò)程如圖 2-2 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于混合觀(guān)測(cè)模型的粒子濾波跟蹤算法[J]. 吳桐,王玲,李鐘敏,何凡.  計(jì)算機(jī)工程與應(yīng)用. 2016(06)
[2]基于SVM和HOG的人臉檢測(cè)算法[J]. 趙峰.  信息技術(shù)與信息化. 2013(06)
[3]基于膚色的人臉檢測(cè)算法研究[J]. 胡曉燕,張宇.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(07)

碩士論文
[1]基于HOG-PCA和DPM的人臉檢測(cè)方法的研究和實(shí)現(xiàn)[D]. 孫肅肅.北京郵電大學(xué) 2014
[2]基于顏色與模板匹配的人臉檢測(cè)方法[D]. 馬艷.大連理工大學(xué) 2006
[3]基于模板匹配的人臉檢測(cè)[D]. 龍開(kāi)文.四川大學(xué) 2005



本文編號(hào)：3011571