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.     

基于帧间差分和光流法的红外图像运动检测

在红外图像运动目标检测的研究中,针对IR探测器在不同的工作状态下所获取的复杂红外图像序列,为了从中有效地检测出中的运动目标,提出了一种用帧间差分和Lucas Kanade光流法的运动检测组合算法。在分析IR探测器工作状态的基础上,建立了IR探测器与目标的相对运动关系。对IR探测器在静止和运动时分别采用帧间差分法和Lucas Kanade光流法进行运动检测。对实地拍摄的红外图像序列进行仿真分析,实验结果表明通过对IR探测器工作状态的分析,智能地转换运动检测算法,可实现对目标的准确有效地检测。     

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.     

基于扩展的Kanade-Lucas的背景运动参数估计

复杂背景下运动分析首先需要进行背景运动参数估计。提出一种采用KLT算子并结合Kanade．Lucas跟踪算法来计算帧间特征点的匹配，然后利用帧间特征点间的匹配关系采用RANSAC算法来进行背景运动参数估计。实验结果证明这种方法具有计算量小，能实时实现并提供可靠的背景运动模型估计。     

基于KLT和BFGS的人脸姿态估计

在对给定的人脸图像序列准确提取正面人脸特征点后,利用改进的KLT方法跟踪非正面人脸图像的特征点。根据人脸形状特性,使用人脸的多个特征点作为人脸模型。在近似估计人脸姿态后,以改进的BFGS算法精确估计3D人脸空间姿态。实验结果证明,该方法可以获得唯一的3D人脸空间姿态,相比同类方法有更好的姿态估计精确度。     

条件主动外观模型下的人脸特征点跟踪

为了完成人脸关键特征点的精确定位跟踪,提出一种改进的基于反向合成匹配算法的条件主动外观模型匹配及其初始化算法.该算法假设已知正面人脸的关键特征点,首先通过建立散乱点对应与标定点对应之间的映射,根据给定的正面人脸标定点对任意姿态的侧面人脸进行自动初始标定,映射关系由核岭回归算法学习得到;将该标定点作为人脸跟踪算法的初始化点,然后利用条件主动外观模型反向合成匹配算法建立正面与任意姿态人脸的外观和形状模型,并对模型参数进行迭代优化;最后得到最优的任意姿态人脸的轮廓点,完成人脸跟踪.实验结果证明,与同类方法相比,该算法表现出了良好的性能,可在较短的计算时间内获得较高的定位精度.     

基于光流和Gabor小波的人脸特征点跟踪

研究优化人脸特征提取问题,针对长期以来在不贴标记点的情况下用传统的光流、Snake、可变模板等方法对纹理特征变化大的特征点不能有效跟踪,并且解决单独采用Gabor小波系统开销大等问题,为了在人脸图像中提取准确信息,提出了人脸特征点的跟踪方法,分组采用改进的光流法和弹性图匹配的方法进行特征点跟踪.对眼睛、眉毛、上下眼皮等14个表情变化不大的特征点使用光流法进行跟踪,最后对变化大的嘴部8个特征点运用Gabor小波的弹性图匹配方法进行仿真,实验结果表明获得了很好的跟踪效果,且利于推广使用.     

基于光流法的视频人脸特征点跟踪方法

提出一种人脸特征点跟踪方法。首先,运用ASM获取人脸的特征点,然后在选用Lucas-Kanade光流算法的基础上,将初始帧和当前帧的前一帧有机结合起来,共同作为当前帧的参考来进行特征点跟踪。实验结果表明该方法对特征点的跟踪有很好的效果。     

Harris角点结合金字塔光流法的目标跟踪算法设计研究

针对现存很多跟踪算法在速度和准确度方面很难满足嵌入式跟踪开发的需要,提出一种基于Harris角点和金字塔光流法的快速跟踪算法,并详细给出了DSP-FPGA的硬件设计。首先,使用Harris角点提取目标角点特征;然后,使用金字塔光流法为后续视频帧匹配角点;最后,基于角点的质心跟踪算法用于匹配目标的重心,确定目标的位置,重心跟踪算法可以较好地抵消由于旋转或扭曲带来的形变问题。在硬件实现过程中,FPGA方便电路设计,使用硬件描述程序语言实现硬件算法、逻辑控制和外部接口,DSP则运行目标跟踪算法。实验结果验证了本文硬件实现算法的有效性,相比于AVT21开发板的质心跟踪算法、相位相关跟踪算法和金字塔相关性跟踪算法相比,本文算法在平均重叠和平均中心误差方面具有一定优势,在720p的视频流上可以满足25fps。     

一种改进的Condensation人脸特征点跟踪算法

Condensation跟踪算法只能完成一些简单的目标跟踪。由于人脸容易出现被遮挡,姿态和表情也经常发生变化,导致人脸特征点极易跟踪失败。针对这些复杂变化,提出一种改进的Condensation人脸特征点跟踪算法。该算法对跟踪的特征点利用增量PCA方法实现特征基和均值的在线更新,同时,加入一个遗忘因子,使得在新样本的更新过程中,考虑了旧样本的存在,更新了均值。实验证明,该算法可以有效地克服复杂变化带来的影响,实现了人脸特征点的准确跟踪。