基于检测与跟踪的人脸图像保护系统

论文摘要

近年来随着社会经济的发展，视频监控越来越广泛地应用到生产、生活中的各个方面。随着人们安全、法律意识的提高，使得视频监控中的隐私保护问题开始受到人们的密切关注。该研究具有十分重要的理论意义和实际应用价值。本文在深入研究前人的基础上，按照人脸检测、跟踪、加密的步骤建立起一个基于H.264视频编码的人脸图像保护系统，即对监控场景中暴露人物身份的人脸区域进行加密，从而达到对图像中隐私敏感信息保护的目的，同时由于该系统只对图像中局部区域进行加密，因此可以从一定程度上减少通信成本开销和计算量。作者针对系统各个环节存在的问题开展了研究，主要工作和创新如下：(1)在人脸检测阶段，本文提出了一种改进的Bayes特征分类器人脸检测方法，并将改进的方法用于Adaboost人脸检测后的验证，实验结果表明该方法不仅能准确定位人脸，而且能有效降低单独使用Adaboost检测方法的虚警率。(2)在人脸跟踪阶段，本文提出了一种综合肤色、大小、预测位置、稳定系数、直方图的多特征方法，用来解决人脸跟踪中的遮挡问题。针对多人脸跟踪中常见的问题，本文进一步对人脸运动中的目标进入、目标消失的情况进行了研究，并在人脸遮挡算法的基础上提出了多人脸跟踪的整体算法，实验结果验证了该算法的有效性。(3)本文实现了基于CABAC和RC残差系数的加密编码，对人脸区域所在宏块进行加密，有效保护人脸区域。(4)本文在人脸检测、人脸跟踪、人脸加密各个模块的基础上，构建了一个基于H.264的人脸保护系统，对摄像机采集的视频图像中感兴趣人脸区域进行加密，实验结果显示了该系统的有效性。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 研究的背景与意义
• 1.2 目前国内外的研究情况
• 1.2.1 人脸隐私保护的国内外研究情况
• 1.2.2 人脸检测的研究情况
• 1.2.3 人脸跟踪的研究情况
• 1.2.4 人脸加密的研究情况
• 1.3 论文的主要工作和各章内容安排
• 第二章 基于肤色模型的人脸检测
• 引言
• 2.1 色彩空间的综述
• 2.2 图像预处理
• 2.2.1 光线补偿
• 2.3 肤色建模
• 2.3.1 非线性分段色彩变换的YCbCr聚类模型
• 2.3.2 YCbCr空间直接聚类模型
• 2.4 肤色区域分割与人脸初步验证
• 2.5 人脸检测实验结果
• 2.6 本章总结
• 第三章 视频流中实时人脸检测
• 3.1 概述
• 3.2 AdaBoost人脸检测算法的特征
• 3.2.1 特征的表示与计算
• 3.2.2 检测器内特征的个数
• 3.3 训练分类器
• 3.3.1 训练样本的预处理
• 3.3.2 Adaboost学习算法
• 3.3.3 基于矩形特征的弱分类器
• 3.3.4 强分类器
• 3.3.5 级联分类器的构成
• 3.4 基于Adaboost多层级联分类器的人脸检测
• 3.4.1 检测方法
• 3.4.2 检测结果的合并
• 3.4.3 Adaboost级联分类器实验结果
• 3.5 改进的Bayes特征分类器人脸验证
• 3.5.1 Bayes分类器的特征
• 3.5.2 Bayes分类器的训练
• 3.5.3 基于Bayes分类器的人脸测试
• 3.5.4 Bayes分类器的特征改进
• 3.6 实验结果与分析
• 3.7 本章小节
• 第四章 人脸跟踪
• 4.1 Kalman滤波器
• 4.1.1 卡尔曼预测初始条件的确定
• 4.1.2 卡尔曼滤波器性能实验
• 4.2 人脸跟踪算法
• 4.2.1 匹配特征介绍
• 4.2.2 遮挡问题概述
• 4.2.3 目标消失的判断
• 4.2.4 多人脸跟踪整体算法
• 4.2.5 实验结果
• 4.3 本章小节
• 第五章 人脸的选择性加密保护
• 5.1 H.264编码标准简介
• 5.2 基于RC残差系数和CABAC的人脸加密编码
• 5.2.1 CABAC编码
• 5.2.2 残差系数的同步编码与加密
• 5.2.3 编码与加密实验结果分析
• 5.3 人脸保护系统
• 5.3.1 系统的基本软硬件
• 5.3.2 系统功能子模块与框图
• 5.3.3 用户界面
• 5.3.4 系统性能分析及进一步改进
• 5.4 总结
• 第六章 总结与展望
• 6.1 本文主要工作
• 6.2 对未来工作的展望
• 攻读硕士学习期间论文情况
• 硕士学习期间参加课题情况