视频序列人脸跟踪与性别识别算法研究

《视频序列人脸跟踪与性别识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、青岛科技大学研究生学位论文视频序列人脸跟踪与性别识别算法研究摘要在计算机视觉领域，人脸跟踪与识别是一个得到广泛关注的热点问题，具有较高的学术理论价值，也是在智能监控、机器人、人机交互等方面有巨大应用潜力的一项高新技术。本文主要研究的是视频图像序列中人脸跟踪和人脸性别识别两个方面的内容。对于人脸跟踪问题，跟踪特征的选择和跟踪器的改进一直是关键性的环节。粒子滤波通过蒙特卡罗仿真方法实现递推贝叶斯滤波，提供了统一开放的理论框架。本文选用粒子滤波作为跟踪方法，并在此基础上针对人脸目标的运动通常为非匀速运动的情况，对系统方程进行了创新性改进以提高粒子传播的有效性和指导性，使其能够

2、适应人脸的非匀速运动；其次，针对仅仅依据颜色特征跟踪效果不佳的情况，本文基于粒子滤波估计方法，提出引ALBP(LocalBinaryPattern)局部纹理特征，采用LBP直方图和颜色直方图相结合作为人脸特征描述的粒子滤波人脸跟踪方法，在全局颜色和局部LBP纹理两个层次和特征线索上对人脸进行描述，得到对人脸有更加鲁棒表征能力的跟踪特征。进行了两组有针对性的实验，跟踪结果表明该方法较单一特征跟踪方法更具鲁棒性，改进后的人脸跟踪算法在各种复杂背景、旋转遮挡和人脸目标做非匀速运动的情况下，均取得了较好的跟踪效果。计算机性别识别是一个极具挑战性的模式识别问题。基于像素级特征的人

3、脸性别识别方法对光照变化敏感且维数高；PCA方法虽然可以达到降维的目的，但它并未充分利用性别模式间的信息。二维Gabor小波变换具有多分辨率、对光照变化和几何形变不敏感等优点。为了克服光照变化等非本质干扰，本文提出用Gabor小波变换提取人脸特征并采用取均值和方差的方法构成性别特征向量，结合支持向量机进行性别识别，并在规模较大分辨率较低的人脸库上进行实验，取得了较高的识别率。关键词：人脸跟踪粒子滤波时变系统方程性别分类支持向量机视频序列人脸跟踪与性别识别算法研究THERESEARCHONFACETRACK-JNGINVIDEOSEQUENCEANDGENDERCLASS

4、IFICATIONABSTRACTInthefieldofcomputervision，facetrackingandrecognitionisahottopicandhasbeingwidelyexplored．Itisavaluabletheoreticalproblemaswellasahightechniquethatcanbeappliedtointelligentsurveillance，robot，human-computerinterfaceetc．Thispapermainlyfocusesonthestudyoffacetrackingandgend

5、erclassification．Asforfacetracking，theselectionoftrackingfeaturesandtheimprovementofthetrackerhavealwaysbeenthecrucialsteps．WiththemethodofMonteCarlosimulation，ParticlefilterhasimplementedtherecursionBayesianfdtefingandprovidedauniformandopentheoreticalframework．Thispaper,basedonparticle

6、filterestimationmethods，accordingtothenon—uniformmotionoftheface，innovativelyimprovesthesystemequationtoenhancetheeffectivenessandtheguidanceoftheparticlepropagation．Inaddition，duetothepoortrackingperformanceresultingfromthesinglecolorfeature，proposesanewfacetrackingalgorithm，whichintrod

7、uceslocalLBPtexturefeatureandcombinesLBPhistogram谢mthecolorhistogramasamodeldescriptionofthefacetarget．ThefaceisdescribedbyoverallcolorandlocalLBPtextureontwodifferentlevelsandcluesforrobustfacedescription．Experimentalresultsshowthatthisalgorithmismorerobustthanthosebased