基于多特征Mean Shift 的人脸跟踪算法

《基于多特征Mean Shift 的人脸跟踪算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.elecfans.com电子发烧友http://bbs.elecfans.com电子技术论坛第31卷第8期电子与信息学报Vol.31No.82009年8月JournalofElectronics&InformationTechnologyAug..2009基于多特征MeanShift的人脸跟踪算法张涛蔡灿辉(华侨大学信息科学与工程学院泉州362021)摘要：该文把局部三值模式(LocalTernaryPatterns,LTP)纹理特征引入MeanShift跟踪算法，提出了基于多特征的MeanShift人脸跟踪算法以解决Meanshift跟踪算法

2、的鲁棒性问题。通过对LTP纹理特征的分析、研究，提出了一个LTP关键纹理模型，既增强了目标的关键纹理信息，又简化了LTP纹理模型。在此基础上，提出一种基于LTP关键纹理特征和肤色特征的MeanShift人脸跟踪算法，有效地解决了MeanShift算法的鲁棒性问题。为进一步提高对快速运动目标的跟踪速度和跟踪性能，该文引入了卡尔曼滤波器对目标进行预测。实验结果表明，该文的算法在目标定位的准确性和跟踪性能上比MeanShift算法均有明显的提高。关键词：人脸跟踪；卡尔曼滤波；MeanShift算法；局部三值模式中图分类号：TP391.41文献标识码：A文章编号：1009-

3、5896(2009)08-1816-05AFaceTrackingAlgorithmBasedonMultipleFeatureMeanShiftZhangTaoCaiCan-hui(InstituteofInformationScienceandTechnology,HuaqiaoUniversity,Quanzhou362021,China)Abstract:Inthispaper,animprovedMeanShiftfacetrackingalgorithmbasedonLocalTernaryPatterns(LTP)oftextureandcolorfe

4、aturesisproposedtoimprovetherobustnessoftheMeanShiftalgorithm.BasedonthestudyofLTPtexturefeatures,anLTPkeytexturepatternisintroducedtoenhancetheimportantfeaturesofanobjectandreducethecomputationalcomplexityoftheLPTtexturemodel.AmultiplefeatureMeanShiftfacetrackingalgorithmisthenpropose

5、dbasedontheLTPkeytextureandcomplexionfeatures,andtherobustnessofMeanShiftalgorithmissignificantlyenhanced.Furthermore,inordertoimprovethetrackingspeedandrobustness,theKalmanfilterisintroducedtopredictthepositionoftheobjectwindow.ExperimentalresultsshowthatcomparedwiththeoriginalMeanShi

6、ftalgorithm,theproposedmultiplefeaturefacetrackingalgorithmhassignificantlyimprovedthetrackingperformance.Keywords:Facetracking;Kalmanfilter;MeanShiftalgorithm;LocalTernaryPatterns(LTP)1引言因此，不少文献在MeanShift算法中引入多特征目[24]−标模型，提高跟踪算法的鲁棒性，但它们大多鲁棒的实时人脸跟踪既是智能视频监控和基于是基于贝叶斯概率框架，因而计算复杂度较高，难视觉的人机

7、交互以及机器人导航等领域的一个核心于达到跟踪的实时性。问题，又是视频分析与理解的基础。近年来研究者[1]考虑到目标的纹理通常不会受光照和背景颜色们已经提出了许多跟踪算法，其中MeanShift及其影响，是较为稳定的特征，因此，把纹理特征融合改进算法具有计算简单，实时性好等特点，得到了到目标模型来表示目标是一个更好的选择。常用的广泛的应用。然而，作为一种基于核密度估计的无纹理模型(如灰度共生矩阵，小波纹理模型等)虽然参快速模式匹配算法，MeanShift能否准确地搜索能较好地描述目标的纹理特征，但由于它们不是点到跟踪对象取决于目标模式的表示方法。现有的[5]样本估