基于视频序列的面部特征跟踪系统的实现

基于视频序列的面部特征跟踪系统的实现

ID:36752704

大小:357.06 KB

页数:5页

时间:2019-05-14

基于视频序列的面部特征跟踪系统的实现_第1页
基于视频序列的面部特征跟踪系统的实现_第2页
基于视频序列的面部特征跟踪系统的实现_第3页
基于视频序列的面部特征跟踪系统的实现_第4页
基于视频序列的面部特征跟踪系统的实现_第5页
资源描述:

《基于视频序列的面部特征跟踪系统的实现》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、计算机工程与设计ComputerEngineeringandDesign2011,Vo1.32,No.113819基于视频序列的面部特征跟踪系统的实现池强‘,朱永华,方昱春(1.上海大学计算机工程与科学学院,上海200072;2.上海大学计算中心,上海200444)摘要:针对视频中人脸面部特征跟踪难以满足实时性与准确性要求的问题,提出了一种视频序列的面部特征跟踪系统。该系统利用视频流序列存在帧间相关信息的特点,进行面部区域粗定位;提出了一种Adaboost特征分类器-grI练方法,并使用该方法预先训练完成面部特征三元组(左眼,右眼,嘴部)的分类器进一步跟踪面部特征;最后提出了一个面

2、部特征几何模型(facialfeaturegeometricalmodel,FFGM),系统结合该模型仲裁检测的结果,最终实现了视频中面部特征的跟踪。实验数据的比较结果验证了该面部特征跟踪系统的可行性、实时性和准确性。关键词:面部特征;跟踪;Adaboost;几何模型;实时中图法分类号:TP391.4文献标识码:A文章编号:1000—7024(2011)11-3819.05Frameworkforvideo—basedfacia1featurestrackinganddetectingCHIQiang,ZHUYong—hua2,FANGYu-chun(1.CollegeofComp

3、uterScienceandTechnology,ShanghaiUniversity,Shanghai200072,China;2.ComputerCenter,ShanghaiUniversity,Shanghai200444,China)Abstract:Tomeetthetwochallengesthatreal—timeandreliabilityaredificultforthetrackingoffacialfeaturesinvideosequences,avideo-basedfacialfeaturestrackinganddetectingframeworki

4、sproposed.Theproposedframeworkutilizesthetemporaryrelatedinfor-mationbetweenvideosequencestoreducetheregionoffacialfeaturestobedetectedon.Tofurthertrackthefacialfeatures,allimprovedadaboostcascadelearningmethodispresentedtofindfacialfeaturesbythetriple—feature(1efteye,righteye,mouth)cascadestr

5、ainedinadvance.Atlast,afacialfeaturegeometricalmodel(FFGM)ispresentedtoarbitratethedetectionresult.Thenfacialfeatureswillbetrackingsuccessfullyontheframework.Experimentalresultsshowthatthedevelopedframeworkisarobustandreal-timesolutionforfrontalfacialfeaturestracking.Keywords:facialfeatures;tr

6、ack;Adaboost;geometricalmodel;real-time息量大的特点,上述方法仍无法满足视频中面部特征跟踪的0引言实际应用需求。视频中人脸及面部特征的检测和跟踪是计算机视觉领域本文实现了一种新颖的基于视频序列的面部特征跟踪系一项基础难题。因其在人脸识别、视线侦测、人机交互等系统统,系统首先引入移动物体跟踪算法Camshift(continuouslyapa.中的应用广泛,近年来已成为工业界以及学术界的研究重点。tivemean.shift)“作为面部特征检测的预处理,缩小面部特征基于面部特征提取方法可分为两类,基于模型方法和基于图待检区域;此外,本文以人脸区域

7、内部进行面部特征检测为前像方法“。文献[2.4]为基于模型的特征检测算法,这些算法在提,提出了一种更精确的Adaboost特征分类器训练方法,并准静态单幅图像中检测准确率较高,但相对缺乏实时性,无法满备了大量训练正负样本分别进行面部特征三元组(左眼、右眼、足动态实时人脸识别系统的需求。文献[5.7】为基于图像面部嘴部)的特征检测分类器训练;根据面部特征几何结构关系,特征定位算法。尤其,Viola和Jones提出了基于Adaboost分本文提出面部特征几何模型(faci

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。