学位论文 > 优秀研究生学位论文题录展示

基于运动趋势估计的人脸跟踪技术研究

作　者: 韩旭
导　师: 李丹程；高晓兴
学　校: 东北大学
专　业: 计算机科学与技术
关键词: 人脸检测 人脸跟踪 运动趋势估计 模板匹配 肤色模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 31次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机科学的飞速发展,计算机相关领域的应用已经深入到人们生活的各个方面,并起着十分巨大的作用。其中,人工智能是计算机科学研究中比较前沿的研究课题,是计算机智能化的基础。让计算机拥有人类的视觉辨识能力一直都是人工智能领域的一个重要课题,也是人工智能领域中使计算机认识世界的第一步。本文主要研究了基于运动趋势估计的人脸跟踪技术。人脸的跟踪包含了对图像中人脸区域的检测与定位以及应用运动趋势估计算法对人脸位置进行预测,完成对人脸的实时跟踪。文章在对已有的人脸定位技术进行了研究与分析之后,着重介绍了利用肤色检测对人脸位置进行粗检测和应用模板匹配技术进行细检测,最后利用两种算法得到的区域进行整合来完成对人脸区域在图像中位置的精确定位。实验表明了算法的正确性,但对匹配算法的复杂性还需要进一步的研究。在跟踪的过程中,运动趋势估计算法被用来预测人脸的位置,进而提高系统的实时性。在跟踪策略处理算法中对人脸跟踪状态转换,避免了人脸侧身或暂时受到遮蔽而认为跟踪失败的误判,提高了算法鲁棒性。本文提出一种基于线性的运动趋势估计算法进行人脸跟踪,该算法具有速度快、预测准确的特点；提出利用特定人脸模板匹配与特定人脸肤色值范围对特定人脸进行跟踪。基于运动趋势估计的人脸跟踪算法能够准确地对图像中的特定人物进行跟踪,具有广泛的应用场景。实验结果表明算法在人脸跟踪过程中能准确并快速地完成对人的脸跟踪。

全文目录


摘要  5-6
Abstract  6-10
第1章 绪论  10-20
  1.1 研究背景  10-11
  1.2 人脸跟踪的发展与研究现状  11-13
  1.3 研究内容及应用  13-16
    1.3.1 课题研究内容  13-15
    1.3.2 人脸跟踪的应用  15-16
  1.4 研究难点  16-18
  1.5 本文的主要工作  18
  1.6 本文内容安排  18-20
第2章 相关理论与技术综述  20-30
  2.1 人脸检测的主要方法  20-24
    2.1.1 基于先验规则的方法  21-22
    2.1.2 基于统计学习的方法  22-24
  2.2 人脸跟踪的主要方法  24-26
    2.2.1 基于人脸检测的跟踪方法  25-26
    2.2.2 基于运动目标跟踪的方法  26
  2.3 图像相关理论基础和技术  26-29
    2.3.1 数字图像的特点  27-28
    2.3.2 图像处理  28-29
  2.4 本章小结  29-30
第3章 人脸跟踪算法设计  30-52
  3.1 人脸图像预处理  30-36
    3.1.1 图像大小的调整  30
    3.1.2 光照补偿  30-31
    3.1.3 方向标准化  31-32
    3.1.4 图像去噪  32-34
    3.1.5 边缘检测  34-36
  3.2 人脸定位算法  36-42
    3.2.1 域色度空间的选择  37-38
    3.2.2 肤色模型的建立肤色分割及处理  38-40
    3.2.3 基于平均脸模板匹配的人脸定位算法  40-42
  3.3 人脸跟踪运动趋势估计算法  42-44
    3.3.1 线性的人脸位置预测  42-43
    3.3.2 运动趋势估计算法的仿真结果  43-44
  3.4 人脸目标丢失后的处理策略  44-45
  3.5 多人脸跟踪的处理策略  45-47
  3.6 特定人脸跟踪  47-49
  3.7 本章小结  49-52
第4章 系统原型设计与实现  52-70
  4.1 系统架构设计  52-55
  4.2 系统功能设计  55
  4.3 核心算法设计  55-59
    4.3.1 肤色区域提取  56
    4.3.2 人脸特征模板匹配  56
    4.3.3 脸部区域确定模块  56-58
    4.3.4 人脸跟踪模块  58-59
  4.4 处理策略设计  59-60
  4.5 云台控制模块设计  60-62
  4.6 跟踪系统实现  62-68
    4.6.1 系统整体的类结构实现  63-64
    4.6.2 视频捕获模块的实现  64-66
    4.6.3 系统界面效果实现  66-67
    4.6.4 跟踪状态转换模块的实现  67-68
  4.7 本章小结  68-70
第5章 测试结果  70-72
  5.1 运动趋势估计算法有效性测试  70
  5.2 系统综合功能测试  70-71
  5.3 本章小结  71-72
第6章 研究结论与展望  72-74
  6.1 课题研究结论  72
  6.2 未来展望  72-74
参考文献  74-76
致谢  76-78
攻读学位期间发表的论著  78

相似论文

  1. 手势追踪研究与手势识别应用平台实现,TP391.4
  2. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  3. 基于本体的食品投诉文档事件追踪研究,TP391.1
  4. 人脸检测及其DSP实现,TP391.41
  5. 嵌入式人脸检测与跟踪系统的设计与实现,TP274
  6. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  7. 红外条件下驾驶员疲劳检测研究,TP391.41
  8. 人脸检测系统研究,TP391.41
  9. 基于骨架化和模板匹配的交通指挥手势识别,TP391.41
  10. 基于Adaboost的人脸检测算法研究与实现,TP391.41
  11. 基于视觉的驾驶员疲劳状态检测方法研究,TP391.41
  12. 基于OpenCV的人脸检测方法研究,TP391.41
  13. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  14. 基于人脸检测的智能监控追踪系统,TP391.41
  15. 跟踪印花系统视觉检测算法研究,TP391.41
  16. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  17. 基于双核架构的嵌入式人脸识别系统,TP391.41
  18. 双摄像机协同探测与鹰眼观测系统设计,TP391.41
  19. 抗遮挡的运动目标跟踪算法研究,TP391.41
  20. 即时通讯机器人中人脸识别与跟踪技术研究,TP242

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com