中国图象图形学报
中國圖象圖形學報
중국도상도형학보
Journal of Image and Graphics
2015年
11期
1473-1481
,共9页
刘嘉敏%梁莹%孙洪兴%段勇%刘虓
劉嘉敏%樑瑩%孫洪興%段勇%劉虓
류가민%량형%손홍흥%단용%류효
人脸检测%跟踪%控制%AdaBoost%随机蕨
人臉檢測%跟蹤%控製%AdaBoost%隨機蕨
인검검측%근종%공제%AdaBoost%수궤궐
face detection%tracking%control%AdaBoost%random fern
目的 在实时人脸跟踪过程中,因光照变化、目标被遮挡以及跟踪时间长等因素,导致的误差累积都会影响系统的整体性能.针对这些问题,提出一种融合检测和跟踪技术的方法,其中包含了检测、控制和跟踪3个模块(简称DCT).方法 在检测模块中,利用AdaBoost算法提取人脸的相关信息,并将信息传递给跟踪模块进行跟踪处理;在跟踪模块中,采用在线随机蕨和SURF(speeded up robust features)算法对目标进行跟踪.同时,在每次检测到目标之后,会通过控制模块对当前跟踪目标准确性进行判断.结果 选取国际标准数据组并与LBP+ Camshift+Kalman滤波算法、SEMI算法、TLD(tracking-learning-detection)算法比较,实验结果表明,DCT方法在目标发生尺度较大变化、目标遮挡、旋转、形变以及光照发生变化时都具有良好的跟踪识别效果,DCT方法识别准确率在95％以上,平均误识别率和漏识别率分别为0.86％和0.78％.结论 DCT方法具有消除误差累积,跟踪失败后自动恢复等特点,同时可以消除环境中光照、遮挡和仿射变换的影响并满足系统跟踪的实时性要求,运用于视频人脸跟踪系统中能够提高系统的实时性及鲁棒性.
目的 在實時人臉跟蹤過程中,因光照變化、目標被遮擋以及跟蹤時間長等因素,導緻的誤差纍積都會影響繫統的整體性能.針對這些問題,提齣一種融閤檢測和跟蹤技術的方法,其中包含瞭檢測、控製和跟蹤3箇模塊(簡稱DCT).方法 在檢測模塊中,利用AdaBoost算法提取人臉的相關信息,併將信息傳遞給跟蹤模塊進行跟蹤處理;在跟蹤模塊中,採用在線隨機蕨和SURF(speeded up robust features)算法對目標進行跟蹤.同時,在每次檢測到目標之後,會通過控製模塊對噹前跟蹤目標準確性進行判斷.結果 選取國際標準數據組併與LBP+ Camshift+Kalman濾波算法、SEMI算法、TLD(tracking-learning-detection)算法比較,實驗結果錶明,DCT方法在目標髮生呎度較大變化、目標遮擋、鏇轉、形變以及光照髮生變化時都具有良好的跟蹤識彆效果,DCT方法識彆準確率在95％以上,平均誤識彆率和漏識彆率分彆為0.86％和0.78％.結論 DCT方法具有消除誤差纍積,跟蹤失敗後自動恢複等特點,同時可以消除環境中光照、遮擋和倣射變換的影響併滿足繫統跟蹤的實時性要求,運用于視頻人臉跟蹤繫統中能夠提高繫統的實時性及魯棒性.
목적 재실시인검근종과정중,인광조변화、목표피차당이급근종시간장등인소,도치적오차루적도회영향계통적정체성능.침대저사문제,제출일충융합검측화근종기술적방법,기중포함료검측、공제화근종3개모괴(간칭DCT).방법 재검측모괴중,이용AdaBoost산법제취인검적상관신식,병장신식전체급근종모괴진행근종처리;재근종모괴중,채용재선수궤궐화SURF(speeded up robust features)산법대목표진행근종.동시,재매차검측도목표지후,회통과공제모괴대당전근종목표준학성진행판단.결과 선취국제표준수거조병여LBP+ Camshift+Kalman려파산법、SEMI산법、TLD(tracking-learning-detection)산법비교,실험결과표명,DCT방법재목표발생척도교대변화、목표차당、선전、형변이급광조발생변화시도구유량호적근종식별효과,DCT방법식별준학솔재95％이상,평균오식별솔화루식별솔분별위0.86％화0.78％.결론 DCT방법구유소제오차루적,근종실패후자동회복등특점,동시가이소제배경중광조、차당화방사변환적영향병만족계통근종적실시성요구,운용우시빈인검근종계통중능구제고계통적실시성급로봉성.
