论文部分内容阅读
随着信息技术的不断发展,各种信息设备成为人们生活的必需品,信息安全问题越来越受到人们的重视。人脸识别技术作为一种身份验证方法,已经成为应用数学、模式识别和计算机应用等交叉学科的热点研究课题。人脸检测与跟踪技术在人脸识别、内容检索、视频监控等多个领域具有广泛的应用价值。近年来,越来越多的学者致力于人脸检测与跟踪技术的研究,但由于受到人脸表情、姿态、光照、复杂背景等条件的影响,建立一个实时高效的人脸检测与跟踪系统是一个具有很大挑战的热点问题。本文对上述热点问题进行了研究,从实际应用角度出发提出了一种基于Real AdaBoost和改进的Camshift算法相结合的人脸检测与跟踪算法,以及基于HOG特征和SVM的行人检测算法。本文所做的主要工作如下：探讨了Real AdaBoost人脸检测算法,实现了基于Real AdaBoost算法的人脸检测系统。通过对比实验证明Real AdaBoost算法相比于AdaBoost算法有较高的检测率和较低的误检率。本文训练的人脸检测器在中科院正面图像库中的9031张图片上进行了测试,检测率达到98.56%。研究了Camshift人脸跟踪算法,针对该算法的缺点,在具体应用中进行了改进。在录制的视频图像中对两种算法进行了跟踪效果对比实验与分析,从实验结果可以证明,改进后的Camshift算法较原算法有更好的鲁棒性,跟踪更加准确。另外,为了提高跟踪的准确率,本文构造了肤色模型来判断跟踪结果是否正确,衣服颜色模型判断跟踪过程中是否发生遮挡。如果发生遮挡情况采用卡尔曼预测算法对跟踪目标的位置进行预测。通过实验证明加入上述判断方法确实可以提高跟踪准确率,减少误跟踪发生。远距离的人脸检测在很多实际场合中广泛应用,然而在整个图片中检测尺度过小的人脸既费时检测率又不高。针对这种情况,本文提出用行人检测辅助人脸检测的思想。首先在图像中检测行人,然后在此基础上精确定位人脸,实现了多尺度HOG与SVM和AdaBoost算法相结合的行人检测算法。