论文摘要：智能监控系统中人脸检测跟踪的研究

监控系统中，主要是解决视频清晰度和覆盖广度之间的矛盾。一方面，为降低系统的复杂度和成本，摄像机越少并且覆盖越广越好；另一方面，监控效果中视频图像的清晰度越高越好。然而根据摄像机成像原理，摄像机分辨率一定的条件下，焦距长，物空间分辨率高，视场角小，视场覆盖范围小；焦距短，物空间分辨率低，视场覆盖范围大。本论文针对智能监控系统所存在的上述问题，提出了基于运动相关性的人脸检测方法与基于AdaBoost改进算法相结合的人脸检测技术，实现智能监控系统的人脸检测；同时提出了变分辨率的人脸跟踪算法，成功实现了智能监控系统的人脸跟踪技术；解决了智能监控系统中人脸检测与跟踪所面临的视频清晰度与视场覆盖广度之间的矛盾。研究内容主要分为人脸检测与跟踪两大部分。人脸检测部分，首先设计并实现了基于运动相关性的人脸检测算法，根据视频图像间的相关性，从监控背景中提取出运动区域，并采用改进的遗传算法确定分割阈值，对运动区域进行二值分割，大大减少了分割的时间，随后对得到的二值图像采用自定义结构算子进行不改变区域边界的区域空洞填充处理，最后利用人体的几何特征，通过实验的方法得到分割系数，预检测出人脸区域；第二步，采用改进的基于AdaBoost算法的人脸检测，在预检测出的区域准确分割出人脸，通过去除训练样本的背景边框，限制特征的大小及减少重复运算的方法，减少了训练时间并提高了检测率，达到系统预期要求。跟踪部分，采用基于模板匹配的人脸跟踪算法，跟踪过程中，根据人脸的位置信息控制云台转动，将人脸锁定到视场中心，并对视场中心的人脸进行变分辨率放大跟踪。变分辨率放大跟踪过程中，通过实时更新模板的方法，并采用降采样图像减小匹配时间，实现系统跟踪功能。在PC机上，实现了智能监控系统中的人脸检测与变分辨率人脸跟踪功能，解决了系统视频清晰度与视场覆盖广度之间的矛盾。检测与跟踪时间小于40ms每帧，达到系统25帧每秒的要求，跟踪精度为一个像素，满足系统预期要求。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/203684.html