[发明专利]一种基于视频流的人脸跟踪识别方法

权利要求书

1.一种基于视频流的人脸跟踪识别方法，其特征在于：包括如下步骤：

步骤a：获取视频样本，对于视频中连续的帧图像进行预处理；

步骤b：通过人脸检测模块定位经预处理的帧图像中的人脸位置，并将人脸位置作为人脸跟踪的初始跟踪窗口；

步骤c：人脸跟踪模块通过人脸跟踪的初始跟踪窗口，由跟踪算法进行人脸跟踪，获取人脸头像；

步骤d：识别模块对步骤c中获取的人脸头像进行识别，然后进行特征提取并录入人脸特征数据库；

步骤e：识别模块将步骤d中提取的特征与人脸特征数据库中的特征进行匹配，从而识别人脸。

2.根据权利要求1所述的一种基于视频流的人脸跟踪识别方法，其特征在于：在步骤a中，采用归一化的直方图均衡法完成帧图像的预处理，所述归一化的直方图均衡法包括如下步骤：

步骤1：分割直方图，将输入的直方图分割成多个互不重叠的子直方图；

步骤2：扩展狭窄的子直方图，将狭窄的子直方图在均衡前进行全强度范围的扩展；

步骤3：将狭窄的子直方图均衡到全范围，宽度子直方图保持不变；

步骤4：将均衡后的多个子直方图结合产生输出图像，并对输出图像的强度级别进行归一化。

3.根据权利要求2所述的一种基于视频流的人脸跟踪识别方法，其特征在于：使用Adaboost检测算法，对预处理后的帧图像进行人脸位置的检测，包括如下步骤：

步骤A：对输入的人脸正例样本集和负例样本集，通过计算样本积分图得到矩形特征值，由矩形特征值获得矩形特征值集；

步骤B：由矩形特征值集生成弱分类器集；

步骤C：筛选弱分类器集，加权组合成强分类器集；

步骤D：通过对强分类器集的级联，组成训练分类器，将级联过称中筛选出的负例样本补充到人脸负例样本集中，靠近训练分类器尾部的分类器输出低误识率的正例样本，用于检测人脸。

4.根据权利要求3所述的一种基于视频流的人脸跟踪识别方法，其特征在于：在步骤c中，跟踪算法为改进的camshift算法，所述改进的camshift算法包括：

采用形态学方法对直方图和色彩概率分布图进行处理，增强肤色信息；

采用目标状态预测实现目标移动过快的跟踪；

采用基于运动信息跟踪的帧间差分法处理同色干扰。

5.根据权利要求4所述的一种基于视频流的人脸跟踪识别方法，其特征在于：步骤d所述的人脸特征数据库为ORL人脸数据库，ORL人脸数据库共包含40人，每人10幅图像，通过预处理将图像分辨率归一化到90*90，以每人的前五幅图像作为训练样本，构成一个5*40幅的训练集，剩下的5*40幅作为测试集。

6.根据权利要求5所述的一种基于视频流的人脸跟踪识别方法，其特征在于：识别模块对步骤d中获取的人脸头像进行识别的算法为一种加权平均脸和二维主成分分析特征空间相结合的改进人脸识别算法，识别步骤如下：

1)计算所述训练集中图像类间平均脸和类内平均脸；

2)选定加权系数，以类内平均脸对训练集规范化并计算类间散布矩阵；

3)求取类间散布矩阵的特征子空间；

4)利用类间平均脸和类内平均脸对训练集中人脸图像和待识别人脸图像进行处理；

5)分别将训练集中的人脸图像和待识别的人脸图像向特征子空间进行投影，获得两个不同的特征子空间投影，并采用最近邻分类器计算得到识别结果。