人臉檢測(cè)與跟蹤技術(shù)在模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域里極具研究?jī)r(jià)值,在實(shí)際生活中能得到諸多應(yīng)用,與人類息息相關(guān)�；ヂ�(lián)網(wǎng)大數(shù)據(jù)時(shí)代下,國(guó)防安全,智能視頻監(jiān)控,邊防安檢,電子商務(wù)等諸多領(lǐng)域都能看到人臉檢測(cè)、人臉識(shí)別及人臉跟蹤的影子,人臉檢測(cè)與人臉跟蹤作為其中關(guān)鍵環(huán)節(jié),在近年來(lái)受到越來(lái)越多研究學(xué)者的重視。本文考量了人臉跟蹤中特征融合階段,設(shè)計(jì)了一個(gè)基于膚色分割的人臉檢測(cè)方法與改進(jìn)自適應(yīng)人臉特征的Staple算法的人臉跟蹤方法,詳情如下:（1）通過(guò)研讀大量人臉檢測(cè)與人臉跟蹤的文獻(xiàn)資料,將人臉檢測(cè)技術(shù)中基于先驗(yàn)知識(shí)的人臉檢測(cè)和基于統(tǒng)計(jì)的人臉檢測(cè)進(jìn)行研究總結(jié),將人臉跟蹤方法從基于模型跟蹤,基于運(yùn)動(dòng)信息跟蹤,基于人臉局部特征跟蹤,及近幾年大熱的基于神經(jīng)網(wǎng)絡(luò)跟蹤幾類方法進(jìn)行研究總結(jié)。（2）針對(duì)視頻序列的人臉檢測(cè)問(wèn)題,采用膚色概率特征的方法描述人的面部。首先,為了校正色偏,對(duì)視頻首幀進(jìn)行光照補(bǔ)償預(yù)處理,以便提取膚色概率特征;然后,在三個(gè)顏色空間中進(jìn)行比較與篩選,選擇對(duì)人臉使用亮度與色度相分離的YCbCr顏色空間,以凸顯其人臉的聚類特性。利用人臉的先驗(yàn)特征,保留符合條件的人臉區(qū)域;最后將定位的區(qū)域在原圖像里標(biāo)記出... 

【文章來(lái)源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：48 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RGB顏色空間模型

其中 Y 是亮度，U 是色度，和 V 濃度�？臻g的設(shè)計(jì)是由于彩色電視的發(fā)明，當(dāng)時(shí)的黑白電視量，只能表示黑白兩種顏色，也就是所謂的灰度值。 U 色度與 V 濃度兩種分量。YUV 顏色空間的色彩表B 互相轉(zhuǎn)換的公式如下︰ = = = = = = 顏色空間色空間中 H 為色調(diào)，S 為飽和度，V 為亮度，通過(guò)人。在坐標(biāo)空間上呈六角錐體的形狀。如圖 2-2 所示：

適應(yīng)的分配每個(gè)高斯模型權(quán)重比例，通過(guò)合理的分配權(quán)重比例可以得到更好的效果，對(duì)膚色區(qū)域提取的更加精準(zhǔn)，但多個(gè)高斯模型使得計(jì)算量較大，而且每個(gè)高斯模型的權(quán)重分配比例尤為關(guān)鍵，相較于單一高斯模型，所耗費(fèi)的時(shí)間更長(zhǎng)。4）統(tǒng)計(jì)直方圖模型：類似于閾值模型，但是膚色概率特征是通過(guò)對(duì)大量人臉膚色樣本訓(xùn)練出來(lái)的，將訓(xùn)練出來(lái)的膚色概率模型以直方圖的形式展現(xiàn)出來(lái)。使用該模型的優(yōu)點(diǎn)直方圖表征膚色特征簡(jiǎn)單直觀，缺點(diǎn)在于需要統(tǒng)計(jì)大量人臉膚色樣本，比較耗費(fèi)時(shí)間。2.4 形態(tài)學(xué)圖像處理形態(tài)學(xué)處理[41]（morphology）衍生于生物學(xué)，該方面內(nèi)容主要研究動(dòng)植物的形態(tài)與結(jié)構(gòu)，同樣，我們也可運(yùn)用到圖像處理中。由于拍攝設(shè)備質(zhì)量、和當(dāng)時(shí)拍攝條件的限制，視頻圖像本身就存在一些噪聲點(diǎn)，這會(huì)影響到膚色分割的效果，二值化處理后，這些噪聲點(diǎn)會(huì)一小白點(diǎn)的形式出現(xiàn)在圖像中，為了消除對(duì)之后檢測(cè)過(guò)程的影響，所以需要先對(duì)圖像進(jìn)行形態(tài)學(xué)的處理。如圖 2-3 所示

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)特征選擇的相關(guān)濾波跟蹤算法[J]. 劉萬(wàn)軍,孫虎,姜文濤.  光學(xué)學(xué)報(bào). 2019(06)
[2]特征融合和模型自適應(yīng)更新相結(jié)合的相關(guān)濾波目標(biāo)跟蹤[J]. 王暐,王春平,李軍,張偉.  光學(xué)精密工程. 2016(08)
[3]基于視覺(jué)的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[4]改進(jìn)核相關(guān)濾波的運(yùn)動(dòng)目標(biāo)跟蹤算法[J]. 邢運(yùn)龍,李艾華,崔智高,方浩.  紅外與激光工程. 2016(S1)
[5]融合YCbCr膚色模型與區(qū)域標(biāo)記的人臉檢測(cè)算法研究[J]. 楊恒,張?jiān)佘?楊東,張儒良.  軟件導(dǎo)刊. 2016(02)
[6]變電站智能監(jiān)控系統(tǒng)[J]. 陳旭,韓文花.  廣東電力. 2015(06)
[7]LBP和HOG的分層特征融合的人臉識(shí)別[J]. 萬(wàn)源,李歡歡,吳克風(fēng),童恒慶.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(04)
[8]捕控指令電視制導(dǎo)導(dǎo)彈發(fā)射位置優(yōu)化[J]. 周麗芬,趙云,周中良,謝新輝.  電光與控制. 2014(04)
[9]基于顯著性檢測(cè)與HOG-NMF特征的快速行人檢測(cè)方法[J]. 孫銳,陳軍,高雋.  電子與信息學(xué)報(bào). 2013(08)
[10]AdaBoost及其改進(jìn)算法綜述[J]. 廖紅文,周德龍.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2012(05)

碩士論文
[1]基于時(shí)空局部特征的人體行為識(shí)別方法研究[D]. 曹賽.西安電子科技大學(xué) 2014
[2]基于膚色和Adaboost算法的人臉檢測(cè)方法研究[D]. 翟中華.華南理工大學(xué) 2012



本文編號(hào)：3326240