基于OpenCV的人臉檢測與跟蹤算法研究與實現(xiàn).pdf

1、人臉檢測與跟蹤技術是模式識別、計算機視覺領域內不可缺少的技術，這些技術的用途越來越廣泛，現(xiàn)在主要應用在自動人臉識別打卡，遠程視頻會議及家庭智能安防等方面。人臉檢測與跟蹤的目的是使計算機以及嵌入式設備等能夠從一幀幀視頻圖像中發(fā)現(xiàn)目標人臉并跟蹤人臉。但是現(xiàn)有的人臉檢測技術對復雜環(huán)境下的多角度多姿態(tài)人臉的檢測準確度低，檢測時間較長；人臉跟蹤技術對目標人臉進行跟蹤時的實時性差且跟蹤的人臉容易丟失。
　　針對上述問題，本論文使用了AdaBo

2、ost算法訓練了3類人臉分類器，分別有正臉分類器、半側臉分類器以及全側臉分類器。使用訓練出的3類分類器檢測視頻序列中的多角度人臉。對檢測到的目標人臉進行跟蹤時，使用了CamShift（連續(xù)自適應均值移動）算法。結合該算法和圖像處理中的其他方法如中值濾波，開閉運算等能夠實現(xiàn)復雜環(huán)境下的多姿態(tài)人臉的實時準確跟蹤。為了提高人臉檢測和跟蹤的速度，本論文中首先對采集到的視頻圖像進行膚色檢測或圖像壓縮處理，嘗試減小分類器的搜索區(qū)域，從而減小人臉檢測

3、的時間。本文將 OpenCV視頻庫移植到嵌入式設備，搭建了人臉檢測與跟蹤硬件系統(tǒng)。系統(tǒng)中的單目攝像頭根據人臉檢測和跟蹤的結果跟隨目標人臉轉動，保證跟蹤到的人臉始終保持在拍攝到的畫面的近似中間位置。
　　實驗仿真中，通過比較膚色檢測和圖像壓縮預處理方法，發(fā)現(xiàn)圖像壓縮的實時性比膚色檢測更高。因此本論文最先對攝像頭采集的圖像進行不同比例的壓縮。為使人臉檢測和跟蹤時間縮短且保證圖像質量不會大幅度降低，本論文中將圖像進行了0.5倍壓縮。圖像