[发明专利]一种快速准确的基于视频序列的人脸检测跟踪方法

说明书

(一)技术领域

本发明涉及模式识别技术领域，涉及一种快速准确的基于视频序列的人脸检测跟踪方法。

(二)背景技术

人脸检测问题最初来源于人脸识别。最初人脸研究主要集中在人脸识别领域，而且早期的人脸识别算法都是在认为已经得到了一个正面人脸或者人脸很容易获得的前提下进行的。但是随着人脸应用范围的不断扩大和开发实际系统需求的不断提高，这种假设下的研究不再能满足需求。人脸检测开始作为独立的研究内容发展起来。

当今，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。目前，国内外的文献中所涉及的人脸检测算法已经有很多种，许多重要的国际会议和期刊都也都涉及到人脸检测问题研究论题。人脸检测开始广泛应用到全新人机界面、基于内容的检索、数字视频处理、视觉监测等许多领域。

而人脸检测的方法研究最初可以追溯到20世纪70年代，早期的研究主要致力于模板匹配、子空间方法，变形模板匹配等。近期人脸检测的研究主要集中在基于数据驱动的学习方法，如统计模型方法，神经网络学习方法，统计知识理论和支持向量机方法，基于马尔可夫随机域的方法，以及基于肤色的人脸检测。目前在实际中应用的人脸检测方法多为基于Adaboost学习算法的方法。

传统的人脸检测指对于任意一副给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态。其难点有两方面，一方面是由于人脸内在的变化所引起：(1)人脸具有相当复杂的细节变化，不同的外貌如脸形、肤色等，不同的表情如眼、嘴的开与闭等；(2)人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等；另外一方面由于外在条件变化所引起：(1)由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；(2)光照的影响，如图像中的亮度、对比度的变化和阴影等。(3)图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。

但是，随着监控系统的普及化及庞大化，特别是最近几年城市、小区、办公室等场所，以及政府企业等部门都建设了大量的视频监控系统。在视频监控中对人脸检测就成为了当前研究的一个热点问题。而且视频中人脸检测由于需要考虑人脸检测的实时性，这种要考虑人脸检测的准确率和人脸检测的速度问题；另一方面视频中人脸检测需要考虑人脸跟踪的问题，即对于同一个人在视频序列中需要建立起人脸序列。

对于人脸的跟踪现在常见的方法可以分为三类：基于特征匹配的跟踪、基于区域匹配的跟踪和基于模型匹配的跟踪。

基于特征匹配的跟踪不考虑所跟踪目标的整体特征，即不关心该目标是什么这个问题，仅仅通过目标物体的一些个体特征来进行跟踪。由于图像序列间的采样时间间隔通常很小，可以认为这些个体特征在运动形式上具有平滑性，因此可以通过这些个体特征来完成目标物体的跟踪过程。但是在实际场景跟踪中，特征点会由于遮挡或光线变化而不可见，这将导致跟踪失败，这是基于特征匹配跟踪的缺点。

基于区域匹配的跟踪是把图像中目标物体的连通区域的共有特征信息作为跟踪检测值的一种方法。基于区域匹配的跟踪具有精度高、不依赖于具体目标模型等优点，可用于实现人头部自由运动的跟踪。但由于区域特征仅利用了图像的底层信息，且不能根据目标的整体形状来对跟踪结果进行调整，因此在长时间连续跟踪时，容易因误差累积而发生目标丢失的情况。

基于模型匹配的跟踪算法是通过建立模型的方法来表示需要跟踪的目标物体，然后在序列图像中跟踪这个模型，来达到跟踪的目的。早期这个领域的研究主要集中在刚性物体的模型匹配上。在实际应用中，一些学者针对跟踪人脸的非刚性、确切几何模型不容易获取的特性，提出使用变形模版匹配目标形状。但是，变形模板匹配目标需要大量的计算，对于实时性的人脸跟踪往往不能满足。

本专利所涉及的一种快速准确的基于视频序列的人脸检测跟踪方法，首先对于人脸检测过程，采用光线补偿、肤色模型等策略减少检测区域，提高运算速度；对于人脸检测仅在待测区域采用改进的级联AdaBoost分类器提高了人脸的检测准确率；而对于人脸的跟踪，未采用常规的基于特征匹配的跟踪、基于区域匹配的跟踪和基于模型匹配的跟踪的方法，而是采用了简单高效的人脸区域特征的高斯模型匹配方法，解决了实时性的问题；对于出现人脸的交叉问题，仅仅在交叉发生时根据人脸轮廓形状特征进行进一步的判断；通过该方法可以大大提高基于视频序列的人脸检测跟踪速度和准确率，满足基于人脸的生物特征识别，人机交互，视频监控、基于内容的图像检索、图像编码、视频会议等方面的广泛应用。