视频图像中人脸的定位和跟踪

论文摘要

人脸检测和跟踪是人脸信息处理的第一步。本文研究了视频图像序列中人脸的自动检测和跟踪算法。首先系统地总结了关于视频图像序列中人脸检测和跟踪的理论基础和前人的工作。然后，介绍了一种在有背景灰度人脸图像中无需先确定人脸位置而直接检测与定位人眼的新算法，并将此算法引入到视频中。该方法首先基于人脸几何特征先验知识建立了人眼位置的判定准则，其次基于图像分割原理，对能够分割出人眼的阈值范围进行粗估计，然后采用分割阈值递增法，并结合人眼位置判定准则检验和判定分割图像中双眼黑块是否出现，最后利用二维相关系数作为对称相似性测度，检验检测出的双眼的真实性。本文还研究了运用肤色信息进一步提高人眼定位准确性的方法。同时通过大量实验来验证所提出的人眼检测与定位算法性能。最后本文提出了一种基于运动预测与直方图匹配和基于肤色模型验证的人脸跟踪算法。其中，人脸跟踪过程中的匹配阶段是采用人眼区域图像灰度直方图的中心矩匹配法来进行匹配，并结合运动预测减小模型匹配的搜索空间，在后续帧中快速找到最佳匹配来估测新的人脸定位；人脸跟踪过程中的验证阶段是基于整个人脸图像肤色模型并采用Mahalanobis距离测量的方法，所用肤色模型可以随着被跟踪目标人脸的变化需要及时更新。实验表明，本文提出的算法可以达到较好的人脸跟踪效果，系统跟踪速度达到12～19帧/秒，基本达到实时。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 人脸跟踪的研究进展及理论基础
• 1.2.1 国外人脸跟踪的研究进展
• 1.2.2 国内人脸跟踪的研究进展
• 1.2.3 理论基础
• 1.3 论文的主要研究工作
• 1.4 论文的结构安排
• 第二章 人脸跟踪技术综述
• 2.1 引言
• 2.2 人脸检测技术
• 2.2.1 基于特征的方法
• 2.2.2 基于图像的方法
• 2.2.3 人脸检测方法比较
• 2.3 目标跟踪技术
• 2.3.1 目标的分割
• 2.3.2 目标的表示
• 2.3.3 目标的跟踪
• 2.4 人脸跟踪技术
• 2.5 小结
• 第三章 视频图像序列中的人脸检测定位
• 3.1 引言
• 3.2 人脸图像的拍摄要求
• 3.3 灰度图像中的人眼定位算法
• 3.3.1 复杂背景下的人眼分割阈值区间的粗估计
• 3.3.2 人眼的定位
• 3.3.3 灰度图像中人眼定位算法流程和实验
• 3.4 彩色图像中的人眼定位算法
• 3.4.1 人脸肤色空间
• 3.4.2 肤色区域的分割
• 3.4.3 彩色图像中人眼定位算法实验
• 3.5 相关的主要图像处理算法
• 3.5.1 直方图平滑处理
• 0的估计'>3.5.2 初始阈值T₀的估计
• 3.5.3 二值化图像中连通区域的标记
• 3.5.4 直方图均衡
• 3.6 小结
• 第四章 视频图像序列中的人脸跟踪
• 4.1 引言
• 4.2 基于特征的图像序列匹配
• 4.2.1 颜色特征
• 4.2.2 纹理特征
• 4.2.3 形状特征
• 4.3 基于人眼运动预测和直方图匹配的人脸跟踪
• 4.3.1 人脸模板的选择
• 4.3.2 搜索最佳匹配
• 4.4 基于肤色模型的人脸跟踪验证
• 4.4.1 验证匹配结果
• 4.4.2 更新肤色模型
• 4.5 跟踪流程及实验分析
• 4.5.1 人脸跟踪总体流程
• 4.5.2 实验结果及讨论
• 4.6 小结
• 第五章 总结与展望
• 5.1 本文工作总结
• 5.2 未来工作展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文目录