基于特征三角形的多姿态视频图像人脸跟踪

提出了一种能在复杂环境中进行人脸跟踪的鲁棒、有效的视频图像人脸跟踪的算法。该算法根据面部特征构造特征三角形包括等腰三角形和直角三角形，根据刚体约束生成潜在人脸跟踪矩形区域。该算法能够在不同尺寸、不同光照、不同姿态和不同表情甚至不同噪音情况下检测人脸，有效率达98.18%。     

一种改进的CAMShift跟踪算法及人脸检测框架

为充分利用人脸视频图像序列中的时空信息,获得更加准确的人脸比对图像序列,提出一种结合人脸跟踪的人脸检测框架。使用简单快速的正面人脸检测算法对人脸视频图像序列进行检测,用检测的结果对人脸跟踪算法进行初始化及校验和调整。为解决CAMShift跟踪算法容易受类肤色区域影响而导致提取到的人脸区域存在冗余信息的问题,提出一种改进的CAMShift-KLT算法。该算法利用兴趣点跟踪人脸图像的边缘,达到准确获取人脸比对图像的目的。实验结果表明,与CAMShift算法相比,CAMShift-KLT算法获取的人脸区域更精准,同时具有较小的跟踪偏移距离、较大的跟踪命中率和更高的跟踪有效性。与对比算法相比,CAMShift-KLT算法能够获得与理想的人脸区域更加一致的跟踪区域。     

基于肤色模型和椭圆环模板的人脸跟踪及姿态估计

文章提出了一种基于肤色模型,结合椭圆环模板进行人脸跟踪及姿态估计的算法。该算法在基于肤色模型实现人脸跟踪及特征定位的过程中首先利用肤色模型定位人脸肤色区域,在跟踪中增加了自适应学习模块,使得原始的肤色模型能够在不同光照下实现自适应调整。然后利用人脸形状的先验知识,通过椭圆环模板实现人脸边缘的精确定位。最后根据所得到的面部特征和人脸边缘位置估计出人脸的姿态。实验表明,该算法能够在自然光照条件下取得较为满意的跟踪结果,同时对人脸在旋转、缩放、遮挡等条件下,多人脸背景下的跟踪有较强的鲁邦性。     

基于Mega2560的人脸检测与定位跟踪

为了解决存在外界干扰的人脸的检测和准确定位与跟踪问题,避免过于依赖软技术造成的算法复杂性,采用软硬件结合的方式,基于Mega2560单片机、VS2008开发环境与OpenCV函数库,实现了人脸检测与准确定位与跟踪。首先,利用Haar-like特征法寻找出图像中的人脸特征矩形,通过AdaBoost算法生成级联分类器,实现人脸检测;然后,将图像显示窗口中心选为坐标原点,计算人脸位置,用线性变换的方法获取人脸位置偏差,进而转换成角度偏差发送给下位机Mega2560;最后,单片机根据接收到的角度偏差信息,控制摄像头使人脸始终在坐标原点位置,实现人脸的准确定位与跟踪。通过实验表明系统具有较好的稳定性和准确性。     

基于人眼优先拟合的AAM人脸特征点跟踪

使用主动外观模型(active appearance model,AAM)对人脸特征点进行跟踪时,当人脸姿态出现大幅度偏转以及初始位置与目标人脸偏离较大时,将导致人脸特征点跟踪失败.针对以上问题,应用支持向量机算法估算出当前人脸的偏转角度并对人脸姿态偏转模型中的参数进行实时更新,有效解决人脸姿态大幅度偏转问题.使用强跟踪卡尔曼滤波算法进行人眼跟踪,将所获取的当前人眼位置坐标与人脸姿态相结合优先对人眼进行特征点拟合,当人眼特征点拟合完成后再对剩余人脸部件特征点进行拟合,提高了人脸特征点跟踪的稳定性与实时性.最后通过实验表明算法在视频人脸特征点跟踪的准确性、实时性和鲁棒性方面具有良好的性能.     

头部多角度人脸快速跟踪算法DSP实现

针对传统驾驶员疲劳检测人脸跟踪算法复杂,DSP实现时实时性不强,不能有效地实现多角度人脸跟踪的问题,提出了一种快速人脸跟踪算法.该算法通过对YCbCr肤色模型进行图像预处理、肤色检测,提取人脸区域,通过对亮度信号Y进行统计运算,判断人脸边界,再进行相似度判断,从而实现人脸区域的跟踪.实验结果表明,该方法简单、鲁棒性强,能够快速地实现彩色图像人脸多角度跟踪.     

基于Level Set方法的人脸轮廓提取与跟踪

提出一种基于level set方法的图像序列中人脸轮廓提取与跟踪算法，首先利用图像帧间差分快速检测出运动区域，并根据人脸图像的投影映射规则确定人脸所在的外接矩形，然后以此矩形作为初始曲线，采用一种改进的1evelset模型精确提取出入脸轮廓。由于图像序列中人脸是一直运动的，该文引入一阶线性Kalman滤波模型对人脸运动进行估计，从而较好地跟踪了运动中的人脸轮廓，实验结果表明该方法是有效的。     

一种结合肤色及类人脸特征的人脸检测

人脸特征提取是人脸检测的关键环节,有效的人脸特征将使得人脸检测更精确。Haar-Like特征作为一种矩形特征,虽然简单、计算迅速,但只能描述特定方向的图形结构。提出的类人脸特征是一种反映人脸灰度分布模型的矩形特征,更加有效地描述了人脸的特征。所提出的人脸检测算法,应用BP神经网络算法训练肤色区域,进行肤色分割。应用类人脸特征的AdaBoost算法进行人脸检测。实验结果表明,该算法可以提高人脸检测的检测率。     

基于Gabor小波加权组合特征的性别识别

现有的性别识别算法往往是基于特定人脸数据库进行识别的,由于人脸的复杂度和多样性,在实际应用场景中存在较大缺陷.为此,提出一种基于Gabor小波加权组合特征的性别识别算法.首先对人脸区域进行预处理,调整光照、姿势等进行去噪,通过Gabor小波变换得到人脸的特征向量;然后利用梯度值构造一个权值矩阵对人脸特征进行组合,在显著降维的同时获取有效的组合特征;再对该特征向量进行主成分分析,进一步降维得到加权组合特征;最后将大量训练样本的加权组合特征用支持向量机进行有监督式学习,得到一个二分类的性别分类器.实验结果表明,针对现实场景中的人脸图片,该算法比现有算法具有更高的识别准确率.     

一种鲁棒的人脸特征定位方法

提出了一种基于AdaBoost算法和C-V方法的人脸特征定位方法。首先根据AdaBoost算法训练样本得到脸、眼、鼻、嘴4个检测器；然后结合人脸边缘图像的先验规则，使用人脸检测器提取人脸区域；接着利用眼、鼻、嘴检测器从人脸区域中检测出人脸特征所在的矩形区域；最后利用C-V方法从各个特征区域中分割出人脸特征的轮廓，进而得到人脸关键特征点的位置。在DTU IMM人脸测试集上，眼睛的检测率为100%，鼻子的检测率为95.3%，嘴巴的检测率为98.4%，提取出的特征点位置准确。实验结果表明方法是有效和鲁棒的。     

Robust tracking via monocular active vision for an intelligent teaching system

The research of this paper investigates a practical intelligent tracking teaching system, addressing the problem of teacher detection and tracking via monocular active vision in real time. The split lines and position-based visual servo rules are created to realize the robust and stable tracking, which is designed to keep the tracked teacher in the middle of image with a fixed size by automatically controlling a pan/tilt/zoom monocular camera in either rostrum region or other regions in the classroom. Face tracking in rostrum region is initiated by a face detector based on Adaboost followed by a novel long-term tracking algorithm named as informative random fern-tracking-learning-detection (IRF-TLD), which has advantages for its high accuracy and low memory requirement using real-valued feature and Gaussian random projection. Moreover, Gaussian mixture model can be automatically started to detect the teacher’s movement when face tracking fails or stand-up students are detected. Experimental results on many benchmark sequences, which include various challenges for tracking, such as occlusion, illumination and pose variations, and scaling, have demonstrated the superior performance of the proposed IRF-TLD method when compared with several state-of-the-art tracking algorithms. Extensive experiments in a series of challenging real classroom scenarios also demonstrate the effectiveness of the complete system.     

纹理约束下的人脸特征点跟踪

将Lucas-Kanade光流跟踪算法与人脸特征点定位的统计模型DAM(direct appearance model)在Bayesian框架下结合起来,提出了视频中人脸特征点定位与跟踪的一种混合模型方法.利用Lucas-Kanade算法预测人脸特征点的位置,充分利用了帧间的相关信息,提高了跟踪的速度.通过DAM中纹理对形状的约束,在提高跟踪精度的同时增强了整个算法的鲁棒性.实验表明,这种方法可以很好地适应人脸的多种运动,可用于人脸识别或3D人脸建模.     

视频中多线索的人脸特征检测与跟踪

针对目前的人脸特征检测与跟踪算法存在的对环境适应能力差、缺乏自我检错能力的缺点，该文提出了一种多线索综合的新方法，多线索中包括基于深度信息的人脸区域粗分割，基于多关联模板匹配的人脸检测，利用多尺度Sobel卷积的特征提取，基于“特征眼”的人眼验证以及基于多视图的校验方法，多种线索互相补充，自我检错和纠错，对背景，光照及姿态变化具有较强的适应能力，实验表明该方法是有效的，鲁棒的。     

MEEM跟踪和改进ORB特征检测的三维注册方法

针对增强现实系统三维注册在线跟踪模型漂移问题,以及特征检测算法耗时问题导致的注册失败。提出一种基于MEEM跟踪和改进ORB特征检测的三维注册方法。通过MEEM算法对移动对象区域跟踪。对跟踪的目标位置采用ORB算法检测特征点时,采用多尺度空间理论提取稳定特征点,并且采用改进决策树的递归调整方式,同时对特征检测参数设置。利用相邻帧之间特征点的匹配关系求得三维注册矩阵;将跟踪数据集与OpenGL生成的立方体模型进行跟踪注册仿真实验。仿真结果表明,改进ORB特征检测算法对待注册区域的检测具有尺度不变性、更高稳定性以及特征分布均匀,误差相比ORB算法降低约42%,该注册方法在运行过程中基本能够保证误差在7 mm以内;使得AR系统具有较好的实时性、精确性和鲁棒性。     

一种基于AdaBoost的快速动态人脸检测算法

提出了一种结合人脸检测和跟踪的快速动态人脸检测算法。在层次型AdaBoost检测算法的基础上，结合提出的一种基于线性预测的人脸跟踪算法来缩小搜索空间，使得检测速度提高到24ms／帧。还设计了一种结合层次型AdaBoost算法、负样本反馈方式和利用权值缩减训练时间的检测器训练方法，可以方便地应用于物体检测技术上。     

Incremental Clustering-Based Facial Feature Tracking Using Bayesian ART

Person-independent, emotion specific facial feature tracking have been of interest in the machine vision society for decades. Among various methods, the constrained local model (CLM) has shown significant results in person-independent feature tracking. In 63this paper, we propose an automatic, efficient, and robust method for emotion specific facial feature detection and tracking from image sequences. Considering a 17-point feature model on the frontal face region, the proposed tracking framework incorporates CLM with two incremental clustering algorithms to increase robustness and minimize tracking error during feature tracking. The Patch Clustering algorithm is applied to build an appearance model of face frames by organizing previously encountered similar patches into clusters while the shape Clustering algorithm is applied to build a structure model of face shapes by organizing previously encountered similar shapes into clusters followed by Bayesian adaptive resonance theory (ART). Both models are used to explore the similar features/shapes in the successive images. The clusters in each model are built and updated incrementally and online, controlled by amount of facial muscle movement. The overall performance of the proposed incremental clustering-based facial feature tracking (ICFFT) is evaluated using the FGnet database and the extended Cohn-Kanade (CK+) database. ICFFT demonstrates better results than baseline-method CLM and provides robust tracking as well as improved localization accuracy of emotion specific facial features tracking.     

一种基于肤色与LBP特征融合的人脸跟踪算法

针对目前人脸跟踪方法易受光照变化和背景相近色的干扰,跟踪效果有时不佳或失效的问题,提出引入LBP(Local binary pattern)局部纹理特征,采用LBP直方图和颜色直方图相融合作为人脸特征描述的粒子滤波人脸跟踪方法.该方法在全局颜色和局部LBP纹理两个层次和特征线索上对人脸进行描述.实验结果表明,该方法较单一特征跟踪方法更具鲁棒性.此外,由于人脸目标的运动通常为非匀速运动,为了提高粒子传播的有效性和指导性,本文对人脸跟踪状态方程进行了改进.实验证明,改进后的人脸跟踪算法在各种复杂背景、旋转遮挡和人脸目标非匀速运动的情况下均能取得较好的跟踪效果.     

基于人脸检测和CAMSHIFT算法的人脸跟踪系统

针对彩色视频序列,本文提出一种基于检测和彩色直方图的人脸跟踪系统,首先利用Adaboost算法进行快速人脸检测和定位,然后通过Canny滤波获取精确的人脸区域建立肤色直方图模型,在CAMSHIFT算法的基础上运用人脸形态约束,Kalman滤波进行实时的人脸跟踪,实验证明该系统具有较好的实时性并能很好的解决遮挡,类肤色干扰和快速移动的问题.