基于OpenCV的人脸检测及跟踪技术研究

发布时间：2023-03-25 03:11

　　人脸识别在智能监控、门禁系统的广泛应用,推动着计算机视觉、智能信息处理的飞速发展,人脸检测及跟踪技术在其中扮演着不可或缺的角色。然而,现实环境的复杂性使得对人脸的定位容易受到光照变化和噪声的干扰,同时人脸姿态的不确定性也增加了人脸检测的难度。对此,本文将分别对人脸检测方法和基于检测的人脸跟踪方法展开研究,然后应用二者实现人脸的准确定位。主要研究内容如下:(1)人脸检测方法。首先,为减少光照变化、噪声等对特征提取的干扰,提高人脸检测效果,对待检测图像进行图像预处理。其次,选用提取Haar-like特征、级联AdaBoost分类器的人脸检测算法检测人脸。针对传统AdaBoost算法只能检测正面人脸,对侧面人脸检测失败的问题,先采用正面人脸检测器检测,再由侧面人脸检测器检测待检测图像,最终构成基于AdaBoost的多角度人脸检测算法。实验表明,该人脸检测算法相较传统AdaBoost算法具有更高的检测正确率。(2)人脸跟踪方法。KCF(核相关滤波)算法以循环矩阵和内核相关滤波思想将跟踪速度提升到了每秒数百帧,取得了较好的跟踪效果。但是,当人脸发生快速运动和运动模糊、受到遮挡及相似物干扰时,KC...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 人脸检测算法
        1.2.2 人脸跟踪算法
    1.3 论文的主要内容
    1.4 论文结构安排
第二章 人脸图像预处理
    2.1 引言
    2.2 双线性插值
    2.3 直方图均衡化
    2.4 图像滤波
        2.4.1 均值滤波
        2.4.2 中值滤波
        2.4.3 对比实验分析
    2.5 本章小结
第三章 基于AdaBoost的人脸检测算法
    3.1 Haar-like特征和积分图
        3.1.1 Haar-like特征
        3.1.2 积分图快速计算特征值
    3.2 AdaBoost算法
        3.2.1 弱分类器
        3.2.2 强分类器
    3.3 Adaboost级联分类器
    3.4 基于Adaboost算法的多角度人脸检测
        3.4.1 多角度人脸检测
        3.4.2 实验结果与分析
    3.5 本章小结
第四章 基于核相关滤波的人脸跟踪算法
    4.1 基于检测的跟踪算法
        4.1.1 Struck跟踪算法
        4.1.2 TLD跟踪算法
        4.1.3 CSK跟踪算法
        4.1.4 CN跟踪算法
        4.1.5 KCF跟踪算法
    4.2 KCF跟踪算法原理
        4.2.1 HOG特征
        4.2.2 核相关滤波器
        4.2.3 循环矩阵
        4.2.4 分类器训练与快速检测
    4.3 Kalman滤波算法原理
    4.4 改进的CNK-KCF人脸跟踪算法
        4.4.1 采用CN特征的KCF跟踪算法
        4.4.2 结合Kalman预测器的跟踪机制
        4.4.3 CNK-KCF跟踪算法流程
        4.4.4 CNK-KCF算法实验分析
    4.5 多种算法实验分析对比
        4.5.1 性能评价标准
        4.5.2 对比实验性能比较
    4.6 本章小结
第五章 基于OpenCV的实验开发平台
    5.1 开源计算机视觉库OpenCV
    5.2 人脸检测及跟踪的整体系统框架
    5.3 实验结果与分析
    5.4 本章小结
第六章 结论
    6.1 总结
    6.2 展望
参考文献
攻读学位期间所取得的相关科研成果
致谢



本文编号：3770416