復(fù)雜背景下視頻人臉檢測(cè)方法研究

《復(fù)雜背景下視頻人臉檢測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、１０５８９：１３０８５２０８２１００１１學(xué)校代碼；學(xué)號(hào)：密級(jí)：分類號(hào)緣雜大‘篆碩±學(xué)位論文題目：復(fù)雜背景下視頻人臉槍測(cè)方法研究作者：李睹串晶李太君教授指導(dǎo)教師：電子與通信工稱專業(yè)：二０—六年７時(shí)間：Ｔ．月ＴｈｅＲｅｓｅａｒｃｈｏｆＶｉｄｅｏＦａｃｅＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄｕｎｄｅｒＣｏｍｌｅｘｐＢａｃｋｒｏｕｎｄｇＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｉｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅＲｅｑｕｉｒｅｍ

2、ｅｎｔ？Ｆｏｒｆ片《ＭａＷｅｒｚ打ＥｌｅｃｔｒｏｎｉｃｓａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｉｎｅｅｒｉｎｇｇＢｙＬ－ｕｎｉＴｏｎｇｙ－Ｓｕｐｅｒｖｉｓｏｒ：ＬｉＴａｉｕｎｊＭａｏｒ：ＥｌｅｃｔｒｏｎｉｃｓａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｉｎｅｅｒｉｎｊｇｇＳｕｂｍｉｔｅｄｔｉｍｅ：Ｍａ２０１６ｙ，海南大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說(shuō)明原創(chuàng)性聲明，獨(dú)立進(jìn)行研究工作本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下所取得的成果。除文中已經(jīng)注明引用的內(nèi)容

3、外，本論文不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的作品或成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均己在文中明確方式標(biāo)明。本聲明的法律結(jié)果由本人承擔(dān)。＇論文作者簽名：３＾１扛日期；興／／年ｒ月之之日ｆ學(xué)位論文版權(quán)使用授權(quán)說(shuō)明本人完全了解海南大學(xué)關(guān)于收集、保存、使用學(xué)位論文的規(guī)定，即；學(xué)校有權(quán)保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。學(xué)?？桑?。｛＾１為存在館際合作關(guān)系兄弟高校用戶提供文獻(xiàn)傳遞服務(wù)和交換服務(wù)本人授權(quán)海南大學(xué)可Ｗ將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)

4、據(jù)庫(kù)進(jìn)行檢索，可Ｗ采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密論文在解密后遵守此規(guī)定。、論文作者簽名：４誠(chéng)ｆ扛導(dǎo)師簽名：／之日期：乃／長(zhǎng)年女月么＾日日期年乂月令＂＂本人已經(jīng)認(rèn)真閱讀ＣＡＬＩＳ高校學(xué)位論文全文數(shù)據(jù)庫(kù)發(fā)布章程，同意將本人的學(xué)＂＂＂＂位論文提交ＣＡＬＩＳ高校學(xué)位論文全文數(shù)據(jù)庫(kù)中全文發(fā)布，并可按章程中規(guī)定□半年□一年享受相關(guān)權(quán)益。同意論文提巧后滯后：；；□二年發(fā)布。＾秦唉論文作者簽名；棒導(dǎo)師簽名－＇／年Ｊ曰期：年月以曰曰期：月）＾《；％／摘要人臉檢測(cè)與跟蹤

5、在視頻監(jiān)控、人臉識(shí)別、表情識(shí)別、性別識(shí)別、年齡識(shí)別、醫(yī)巧診斷、人機(jī)交互等領(lǐng)域有廣泛的應(yīng)用前景。雖然目前存在大量的人臉檢測(cè)算法，但是：光照人臉圖像會(huì)受到各種因素的影響，其中包括，視角，姿態(tài)，年齡老化，表情，一發(fā)型，臉部飾物等。人臉的非剛性和環(huán)境的復(fù)雜性，使得即使是同人在不同條件下也存在巨大的檢測(cè)差異一，所Ｗ想用種算法來(lái)進(jìn)行所有情況的人臉檢測(cè)是不可能的。本文對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行了改進(jìn)，并且融合膚色特征、幾何特征、模板匹配Ｈ種人臉檢測(cè)算法進(jìn)行分層過(guò)濾，實(shí)現(xiàn)了靜態(tài)圖像和動(dòng)態(tài)圖像的人臉檢測(cè)。其中復(fù)雜。背景主要

6、包括背景光照變化，樹木擾動(dòng)，噪聲等情況動(dòng)態(tài)圖像包括網(wǎng)上現(xiàn)有的視頻序列和Ｗ固定攝像機(jī)拍攝的實(shí)時(shí)視頻序列。具體工作如下：（１）對(duì)視頻序列進(jìn)行了預(yù)處理，分別使用參考白算法、均值濾波法進(jìn)行光照補(bǔ)償、平滑去噪。（２）針對(duì)視頻中的冗余背景信息，本文通過(guò)比較光流法，頓間差法，背景減除法的優(yōu)勢(shì)、局限性和適用場(chǎng)合，采用了改進(jìn)的Ｈ偵差法和漏合高斯模型建模的背景減一。除法相結(jié)合的算法，克服了單檢測(cè)方法的局限性并將本文的方法與其他方法進(jìn)行實(shí)驗(yàn)對(duì)比。（３）分析比較色彩模型和膚色模型后，用改進(jìn)的ＹＣｂＣｒ色彩空間構(gòu)建閩值分割

7、。模型，連通區(qū)域標(biāo)定，再將分割出的膚色區(qū)域進(jìn)行形態(tài)學(xué)濾波用幾何知識(shí)濾除連通。區(qū)域中非人臉區(qū)域，再對(duì)候選區(qū)域進(jìn)行人臉模板匹配，從而實(shí)現(xiàn)人臉的精確定位（４）詳細(xì)介紹了ＭｅａｎＳｈｉｆｔ算法、ＣａｍＳｈｉｆｔ算法和ＫＬＴ跟蹤算法的原理，最－Ｃａｍ后使用改進(jìn)的ＰＫＬＴ算法進(jìn)行人臉跟蹤，并將本文的方法與Ｓｈｉｆｔ算法進(jìn)行對(duì)比。實(shí)驗(yàn)，證明了本文改進(jìn)的方法的有效性關(guān)鍵詞：復(fù)雜背景；人臉檢測(cè)；人臉跟蹤；視頻ＡｂｓｔｒａｃｔＦａｃｅｄｅｔｅｃｔｉｏｎａｎｄｔｒａｃｋｉｎｇｉｎｔｈｅｆｉｅｌｄｏ

8、ｆｖｉｄｅｏｓｕｒｖｅｉｌｌａｎｃｅ，ａｇｅｖｅｒｉｆｉｃａｔｉｏｎ，ｍｅｄｓｃｓａｎ－ｃｏｍｕｅｒｒａｃｏｎｈａｓｂｒｏａｄａｃａｎｒｏｓｅｃｉｃａｌｄｉａｇｎｏｔｉｈｕｍｔｉｎｔｅｔｉｌｉｔｉｏｔｓ．，ｐｐｐｐｐＡｌｔｈｏｕｇｈ