基于彩色序列图像的运动人脸检测与跟踪研究

《基于彩色序列图像的运动人脸检测与跟踪研究》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、河北工业大学硕士学位论文基于彩色序列图像的运动人脸检测与跟踪研究摘要随着信息技术的高速发展，智能人机交互系统的应用需求，人脸问题的研究作为计算机领域的核心课题之一，具有越来越广泛的实用价值和研究意义。人脸问题主要包括:人脸检测、人脸跟踪、人脸识别，以及其衍生出来的姿态和表情分析四个应用领域。最初为自动人脸识别系统的定位环节被提出，近年来应用于安全访问控制、视觉监测、基于内容的检索和新一代人机界面等领域。本文主要针对人脸检测和人脸跟踪两个问题进行了研究。在人脸检测与跟踪之前，本文先进行了运动目标的检测和运动人体的识别，为下一步的检测

2、和跟踪提供了方便。在总结和分析了各种国内外运动检测的方法之后，根据本课题的需要，本文提出了一种将运动检测与识别相结合的综合运动检测的方法，首先利用帧间差中的对称差分法进行运动检测。在完成运动目标检测之后，要对检测到的目标进行人体识别，本课题主要针对目标完全进入视域的情况，利用人体的宽高比和目标轮廓周长的平方与目标所占面积的比值对人体进行识别。由于人脸具有稳定的肤色和五官色彩特征，与其它物体颜色相比，有较强的独立性，因此，基于肤色进行人脸检测与识别有其自身的优势，根据HSV色彩模型受光照影响小的特点，采集大量样本，在其色彩模型下建立

3、了肤色模型，然后根据人脸特征参数，将人脸检测出来。在目标跟踪方面，本文对Camshift算法进行了更为详细的研究，将人脸检测算法与Camshift算法相结合，对人脸肤色在HSV空间中的H分量进行跟踪，实现对单人脸目标的跟踪。关键词：人脸检测，人脸跟踪，运动检测，HSV肤色模型，特征模型I基于彩色序列图像的运动人脸检测与跟踪研究MOTIONFACEDETECTIONANDTRACKINGRESEARCHBASEDONCOLORARRYIMAGESABSTRACTWiththedevelopmentofinformationtechn

4、ologyandtheneedofintelligenthuman-computercommunication,researchonhumanfaceproblemsbecomesanimportantbranchofcomputerdomain,andithasmuchmoreusevaluesandresearchachievements.Humanfaceproblemsconsistoffourofhumanfaceparts:humanfacedetection,humanfacetracking,identificat

5、ionandtheinterrelatedposeandexpression.Thispaperdoesresearchmainlyonhumandetectionandhumantracking.Thepaperanalyzesandsummarizesthecorrelativerepresentativealgorithmsaboutmovementdetectionbothhomeandabroad,andpresentsacomprehensivemotiondetectionmethodbasedonmotiondet

6、ectionandidentification.Firstlyusesymmetricdifferenceofframe-differencetodetectthemovingobject,andthenidentifythebodyafterdetection.Thisassignmentmainlyconsiderstheobjectfullyintothefield.Comparedwithotherbackgroundobjects,faceskinandfacialfeatureshavemorestableandspe

7、cificcolors.Henceskincolorbasedmethodshaveattractedmuchresearchinterestsinhumanfacedetectionandrecognition.Wedetectthehumanusingcomplexionmodelandfacefeature.ThepaperanalyzestheCamshiftalgorithm,facedetectionalgorithmcombinedwithCamshiftalgorithm,toachievetheobjective

8、softheSingleFaceTracking.KEYWORDS:humandetection,humantracking,motiondetection,HSVcomplexionmodel,featuremodelII原创性声明本人郑重声明：