头部姿态估计与追踪系统的研究与实现

《头部姿态估计与追踪系统的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、头部姿态估计与追踪系统的研究与实现第1章绪论1.1.课臞背景与意义近些年来，关于生物识别的技术有着巨大的发展和变化。归根结底，在于交互方式的进步。在此之前，交互方式为通过屏幕，键盘，鼠标等工具突破那一层现实与虚拟之间的间隔，完成交互。随着科技的发展和进步，越来越多的人开始研究自然交互的方法，在此基础上，就可以逐步可以抛弃鼠标，键盘等辅助工具，只需要人类的手指，头部动作，语音等，就可以完成之前很复杂的操作。从工业化的交互，过渡为自然的类似人与人之间最普通的交互方法。人脸跟踪以及在人脸跟踪基础上的人脸姿

2、态估计就是一个可以突破现有交互方式的一种革命性方法。头部姿态估计需要实现快速，准确，才能达到实用的效果。因此，这部分技术很多时候还只能停留在实验室，或者部分技术应用在了一些小众商品上，没有大规模的商用。主要原因在于目前检测技术还没有达到可以商用的程度，部分技术检测例如人脸检测等，性能没有稳定到可靠的层次。但是由于技术进步和人们的需求，头部姿态估计还是获取了长足的发展。在头部姿态估计的基础上，拥有着众多的应用。例如在人脸识别中，需要人脸正脸对着摄像头才能进行识别。相关实验结果表明：在人脸姿态正对着摄像

3、头的时候，识别率可以达到90%以上[2]，但是在人脸不是正对，或者是表情变化比较大的时候，人脸识别系统的正确率将会急剧降到40%左右[2]。但是在例如机场安全检查等环境中，是不可能要求每一个人都这么做的。人脸姿态识别就可以在实现，在人脸正对着摄像头的时候，截获照片，然后再进行人脸识别，这样可以节约计算资源，而且可以同时获取每一个人的正面图像，对于日后跟踪等提供了很大的方便。1.2.研舰状和主要难点人脸检测，就是在给定的图像中，判断图像中是否存在，如果存在，则在图像中将人脸的位置与区域划分出来。如果有

4、多个人脸，还要将每个人脸的具体位置都要标定出来，以供给下一步的处理使用。图像质量，环境因素对于人脸检测的影响比较大，以及人脸的差异性对检测算法的影响。环境因素主要是指光照，在人脸检测的算法中，光照有着巨大的影响。比如在过度曝光的时候，人脸信息将会丢失，如果丢失过多，会检测失败。还有人脸差异性的问题，比如眼镜，头发，胡须等每个人的外貌体征都不相同，还有肤色的问题，在众多的算法中，黑人的人脸检测一直是一个很大的问题。人脸姿态的改变也会造成很大的影响。比如人脸转向过大的时候，也会对人脸检测产生困扰。肤色人

5、脸特征中突出的一个特征，作为一种在图像中不会有太大的变化。对于光照与姿态拥有较好的鲁棒性。但是利用肤色信息作为人脸检测的手段，可靠性较低。因此，需要在肤色信息上增加其他的信息来保证可靠率。基于统计的方法最近被广泛使用，尤其是因为对于在环境条变换和人脸差异性上有着比较好的检测效果，鲁棒性也较好。在2001年，Viola-Jones提出了基于Adaboost的学习算法[7]，之后产生的很多的方法都是基于此算法的研究上。他们提出使用Harr特征建立部分的弱分类器，然后再通过级联的方式，组成一个强分类器，由

6、此基本可以实现实时性的人脸检测。在此之后，Lienhart又提出了旋转Haar特征[8]，可以在前人的基础上再次提高大约10%的正确率[力，同时减少了误检率。Ma等人提出了利用色彩与Adaboost相结合的方法，利用人类肤色，提出了一种快速人脸检测方法[8]。利用肤色信息，可以有效的减少搜索范围。第2章ASM主动形状模型2.1.ASM主动行政模型ASM是一种基于点分布的模型(PointDistributionModel,PDM)⑴，在该模型中，外观相似的物体，比如人脸，房屋，手部，人体外形等的几何形

7、状，都是可以通过一定数量的关键特征点(landmarks)的坐标，通过一定的顺序相连接，使用一种称之为形状向量的事物表示出来。通过训练图像样本获得训练图像样本的特征点分布的统计信息，并且获得特征点允许存在的变化方向，从而实现在目标图像上寻找对应特征点的位置。在算法的初始需要手动标记所有图像中人脸的特征点位置，并且记录并且存下每个特征点的坐标。计算出每一个特征点的局部灰度模型，将其作为局部特征点调整的特征向量。在模型训练完成之后，在目标图像上用刚才训练好的模型寻找每一个特征点。在寻找每一个特征点的下一

8、个位置的时候，采用了局部灰度模型寻找在当前特征点的位置上的指定方向上的局部灰度模型中马氏距离最小的特征点，并作为当前的特征点将要移动到的地方，这个点就被称为建议点(SuggestedPoint)。在找到了所有的建议点之后，将所有的建议点连接起来，获得了一个建议形状(Suggestshape)⑴。将当前的模型通过一定的参数上的调整，使得当前的模型能够以最可能相似的调整到建议形状。该过程重复迭代，直到可以收敛为止。..2.2.ASM模型的建立训法图集准备模型的技术基本是数