目标检测与跟踪技术研究

【摘要】： 本文研究了人脸检测与跟踪问题。人脸检测与跟踪是计算机视觉技术的一项关键技术。它在视频监控、人脸识别系统、基于内容的检索以及新一代的人机交互技术等领域具有广泛的应用前景。 目前，针对人脸检测提出的技术有：使用平面或者三维的模型来做目标匹配，或者使用一系列的平面人脸图像来训练分类器，从而将“人脸”图像从“非人脸”图像中分类出来。本文采用了基于视图的人脸检测方案来对复杂背景下正面的、倾斜的以及略微侧面的人脸图像进行检测。在此框架下，首先设计了针对人脸的样本的采集方案，然后收集并整理了大量的实验数据，在此基础上进行了以下研究工作： 1、针对灰度图像中人脸检测这一核心问题提出了基于子空间的检测算法。由于单纯的统计学习方法存在特征空间庞大、“非人脸”样本选取困难等问题，本文提出了使用基于马赛克图像分析的粗筛选，将模式分类问题限定在一个大为缩小的子空间中，降低了统计模型的训练难度。本文介绍了马赛克图像分析的粗筛选原理，并通过实验表明该方法可以应用于约束条件下的人脸检测问题。针对复杂背景图像中的人脸检测问题，本文提出了基于马赛克图像分析约束子空间中的支持向量机方法。实验分析表明了这些方法的有效性和鲁棒性。 2、同时，我们实现了金字塔图像和传统的光流法相结合的目标跟踪算法。实验结果表明，这种方法能够很好的处理目标有大矢量运动的问题，提高了跟踪的鲁棒性。