【作者】 吴健新；

【导师】 李翠华；

【作者基本信息】 厦门大学 ， 计算机应用技术， 2006， 硕士

【摘要】 本文主要进行人脸检测与跟踪技术的研究和应用。首先,对利用统计方法进行人脸分类器的训练和使用技术进行了研究,并构建了人脸检测系统。其次,在人脸跟踪方面本文主要根据人脸肤色特征,采用非参数迭代技术进行跟踪,并面向实际监控项目的应用要求设计完成了人脸检测与跟踪系统。本文概述了人脸检测与跟踪的研究与发展现状,对目前主要的几种人脸检测与跟踪方法作了详细论述;对基于扩展的类Haar特征利用AdaBoost训练人脸分类器的方法进行了深入研究和应用;用Hue信息建立人脸色彩直方图,利用CamShift算法对人脸进行跟踪。本文的主要研究工作和创新点包括如下几个方面:1、对在类Haar特征进行扩展的基础上利用AdaBoost训练用于正面人脸和侧面人脸检测的人脸分类器的方法进行了深入研究,构建出人脸检测模块,在同时使用两个分类器对输入图像进行人脸检测后,合并重复区域,给出人脸位置。侧面人脸分类器的加入使得系统能够处理旋转角度较大的人脸情况,大大提高了系统的检测能力。2、对CamShift方法进行了深入研究并把它应用于人脸跟踪系统中。在检测出人脸后,利用Hue信息对人脸区域建立色彩直方图,对后续帧利用该信息采用CamShift对人脸区域进行跟踪,有效地解决了人脸在平面内旋转和遮挡严重时检测手段失效的情况。CamShift也可以进行多个人脸的跟踪,只要它们不要交叉的太严重。3、建立了一个面向实际应用的人脸检测与跟踪系统,在检测到人脸后系统自动转入跟踪阶段,并且根据跟踪信息系统自动调整云台的方位和镜头的参数使得采集的图像效果达到最佳。在检测和跟踪过程中系统能够达到15帧/S准实时的处理速度。系统预留接口可添加短信报警模块以及网络传输模块进行功能扩展。4、利用人脸跟踪技术对智能游戏人机接口作了初步尝试,开发出一个利用人脸来控制俄罗斯方块游戏的演示系统。更多还原

【Abstract】 This thesis presents a method for building a face detecting and tracking system. We carry up a deep research into the training and applying of face classifiers based on the statistical method,which is widely used in face detecting field. In the meantime we build a face tracking system using the CamShift algorithm based on the hue information of skin color,which is a robust nonparametric technique for climbing density gradients to find the mode(peak) of probability distributions. The face detecting and tracking system we design is qualified for real video surveillance project.This thesis begins with an instruction to the development of face detecting and tracking technology and follows a general description of several primary methods for face detecting and tracking. Then we carry up a deep research into the face classifiers using Adaboost based on extended Haar-like features; build the face color histogram by hue information, and track the face by CamShift algorithm. The main research innovations and contributions are summarized as follows:1、We carry up a deep research into training face classifiers for frontal faces and profile faces detection using the AdaBoost based on the extended Haar-like features. And we use two classifiers simultaneously for face detecting. The profile faces classifier can efficiently detect faces with larger lateral rotation,which compensates the shortcoming of the frontal face classifier. The combination of frontal and profile face classifiers helps improve the detection result a lot,and makes the system more robust.2、We explore the CamShift algorithm and put it into the face tracking system. We build the hue histogram on the detected face region and then更多还原