基于视频监控的人脸检测跟踪识别系统研究

设计了一种基于视频监控的人脸检测跟踪识别系统,该系统的功能是检测并实时跟踪视频中的人脸图像,同时进行身份识别。针对Gentle AdaBoost算法构造的级联分类器检测效率偏低的问题,提出了一种递进复杂度的级联分类器。针对传统粒子滤波器最高权重粒子不准确的问题,提出了均值权重粒子滤波器。针对传统粒子滤波器样本衰退的问题,提出了一种同时结合人脸检测和人脸跟踪算法的跟踪校正策略。对于检测和跟踪到的人脸,利用基于Gabor变换和HMM的方法进行身份识别。实验结果表明,系统能够准确地检测并实时跟踪视频中的人脸,可以实现人脸的快速识别,是一种能够应用到视频监控系统中的有效方法。     

基于DSP的视频人脸监控系统设计与实现

针对目前人脸监控系统存在不能及时决策、盲目跟踪的问题,提出综合人脸检测、识别、跟踪与控制的智能监控系统,并在TMS320DM642芯片上实现;使用Adaboost级联多层分类器检测人脸,基于Gabor小波图像相似度匹配识别人脸,对识别出的感兴趣人脸用Camshift算法实现跟踪,再通过串口驱动云台带动摄像头旋转,使感兴趣人脸保持在视场内并且在模拟显示器上显示;实验结果表明,本系统满足实时视频监控要求,对人脸旋转、遮挡、光照鲁棒性高;本系统可以推广至视频会议、视频聊天、可视电话等领域,有良好的应用前景。     

基于mean-shift算法的人脸实时跟踪方法*

复杂环境下实时人脸跟踪方法在视觉监控系统中具有很重要的意义,但目前的跟踪算法普遍存在目标遮挡、尺寸变化等过于敏感的不足,限制了其应用范围。提出了一种人脸检测、mean-shift算法与卡尔曼滤波器相结合的实时全自动人脸跟踪算法。实验结果表明该算法实时性很强,可以实现对运动人脸的快速跟踪,同时对目标遮挡也有很好的鲁棒性。     

基于mean-shift算法的人脸实时跟踪方法*

复杂环境下实时人脸跟踪方法在视觉监控系统中具有很重要的意义,但目前的跟踪算法普遍存在目标遮挡、尺寸变化等过于敏感的不足,限制了其应用范围。提出了一种人脸检测、mean-shift算法与卡尔曼滤波器相结合的实时全自动人脸跟踪算法。实验结果表明该算法实时性很强,可以实现对运动人脸的快速跟踪,同时对目标遮挡也有很好的鲁棒性。     

基于视频监控的人脸识别方法

目前人脸识别方法主要针对静态图像进行识别,而在监控视频中,不同视频帧人脸具有相关性且只有部分人脸能够有效反映人脸信息。根据监控视频中人脸图像变化特性,提出了一种基于监控视频的人脸识别方法。首先通过结合人脸检测与跟踪技术获得视频人脸序列,然后以视频人脸序列中部分人脸图像识别结果为导向选取全部人脸序列图像中的代表人脸图像进行识别,最后根据选取的全部人脸图像识别结果综合反映人脸信息。实验结果表明,该方法能够在确保识别率和误识率的前提下有效提升监控视频中人脸识别的实时性。     

空时互反馈人脸检测与跟踪系统的算法与实现

针对视频序列人脸检测与跟踪算法复杂、实时性要求较强这一相互矛盾的特点,设计了基于数字媒体处理器DM642的空时互反馈人脸检测与跟踪系统;在空域,利用主成分分析和最优阈值检测人脸;在时域,根据前后帧概率密度函数的相对距离确定跟踪目标,利用卡尔曼滤波器对检测出人脸的位置进行预测,形成了空时互反馈闭环算法;实践表明,该系统运行稳定可靠,能满足实时视频监控系统的要求。     

基于DSP的智能视觉监控系统

本文提出一种基于人脸检测与跟踪的智能视觉监控系统。本系统首先采用运动和肤色特征提取包含人脸区域的检测算法,然后使用多层分类器定位人脸,利用CAMShift算法实现人脸的及时跟踪,最后在DM642 DSP上实现了算法。系统达到了8帧/s的处理速度,基本满足视频监控的要求。     

一类视频序列中的人脸检测与实时跟踪算法

提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。     

智能监控系统中自适应人脸检测跟踪算法改进

针对传统人脸检测跟踪算法在复杂环境中准确率不高,以及在跟踪过程中易受到周围相似色物体干扰、遮挡丢失等问题,提出了一种改进型自适应人脸检测跟踪算法.该算法通过人脸检测(Adaboost)与主动形状建模(ASM)算法相结合,降低了复杂环境中的人脸误检率;通过对运动目标跟踪(Camshift)算法提取H-S二维颜色概率直方图,并结合Kalman滤波器有效解决了相似色干扰及遮挡丢失问题.实验证明,改进型算法不仅在复杂环境中人脸检测率高、抗干扰能力强,且满足实时性的需求,是一种建立实时智能监控系统的实用方法.     

一种基于肤色和脸部特征的人脸跟踪算法

本文提出一种基于肤色和脸部特征的人脸跟踪算法,将视频序列帧分类为检测帧和跟踪帧,对于两种类型的帧图像作不同的检测.最终在人脸跟踪问题中最难解决的精确性与快速性中得到折衷.实验结果表明本算法可以准确实时地对视频序列中的人脸进行跟踪.     

基于OpenCV的人脸检测与跟踪

随着社会公共安全体系的逐步完善,基于人脸的智能视频监控技术在安全监控、视频分析以及人机交互等场合发挥出越来越重要的作用。传统的Camshift算法虽然能快速地跟踪运动目标,但它不仅需要手动设定跟踪的对象,而且当跟踪对象遇到遮挡和相同颜色障碍物干扰时很容易丢失目标。针对上述问题,在OpenCV的基础上,采用Adaboost,Camshift和Kalman滤波相融合的方法,实现了快速、自动和准确的人脸检测与跟踪。     

Preserving privacy by de-identifying face images

In the context of sharing video surveillance data, a significant threat to privacy is face recognition software, which can automatically identify known people, such as from a database of drivers' license photos, and thereby track people regardless of suspicion. This paper introduces an algorithm to protect the privacy of individuals in video surveillance data by deidentifying faces such that many facial characteristics remain but the face cannot be reliably recognized. A trivial solution to deidentifying faces involves blacking out each face. This thwarts any possible face recognition, but because all facial details are obscured, the result is of limited use. Many ad hoc attempts, such as covering eyes, fail to thwart face recognition because of the robustness of face recognition methods. This work presents a new privacy-enabling algorithm, named k-Same, that guarantees face recognition software cannot reliably recognize deidentified faces, even though many facial details are preserved. The algorithm determines similarity between faces based on a distance metric and creates new faces by averaging image components, which may be the original image pixels (k-Same-Pixel) or eigenvectors (k-Same-Eigen). Results are presented on a standard collection of real face images with varying k.     

基于PTZ摄像头的视频人脸识别

针对传统的视频人脸识别技术受限于理想的环境条件,无法应用于监控场景的弊端,提出了一种基于PTZ（Pan-Tilt-Zoom,旋转-俯仰-缩放）摄像头的人脸识别方法,并结合AdaBoost人脸检测以及Mean-shift跟踪算法进行了识别。实验结果表明,该方法克服了监控场景图像分辨率低的问题,具有较好的鲁棒性。     

基于关键帧标识的视频人脸识别技术研究

针对人脸检测与跟踪问题提出在监控视频中面向复杂背景、多姿态的快速人脸检测。使用了基于Haar特征,并结合有效的预处理手段跟搜索策略,另外在检测算法的基础上,考虑到监控视频的序列的特点,结合背景差、肤色、前帧参考等因素,提出一套基于帧间差分法来识别视频中人脸内容变动并标识此关键帧的方法,并以视频日志的形式记录下来。实验证明,此方法可以在针对检测特定目标提高监控视频人脸识别的正确率和检测速度。     

Tracking multiple people with recovery from partial and total occlusion

Robust tracking of multiple people in video sequences is a challenging task. In this paper, we present an algorithm for tracking faces of multiple people even in cases of total occlusion. Faces are detected first; then a model for each person is built. The models are handed over to the tracking module which is based on the mean shift algorithm, where each face is represented by the non-parametric distribution of the colors in the face region. The mean shift tracking algorithm is robust to partial occlusion and rotation, and is computationally efficient, but it does not deal with the problem of total occlusion. Our algorithm overcomes this problem by detecting the occlusion using an occlusion grid, and uses a non-parametric distribution of the color of the occluded person's cloth to distinguish that person after the occlusion ends. Our algorithm uses the speed and the trajectory of each occluded person to predict the locations that should be searched after occlusion ends. It integrates multiple features to handle tracking multiple people in cases of partial and total occlusion. Experiments on a large set of video clips demonstrate the robustness of the algorithm, and its capability to correctly track multiple people even when faces are temporarily occluded by other faces or by other objects in the scene.     

Privacy enabled video surveillance using a two state Markov tracking algorithm

Nowadays video surveillance systems are widely deployed in many public places. However, the widespread use of video surveillance violates the privacy rights of the people. Many authors have addressed the privacy issues from various points of view. In this paper we propose a novel, on-demand selectively revocable, privacy preserving mechanism. The surveillance video can be tuned to view with complete privacy or by revoking the privacy of any subset of pedestrians while ensuring complete privacy to the remaining pedestrians. We achieve this by tracking the pedestrians using a novel Markov chain algorithm with two hidden states, detecting the head contour of the tracked pedestrians and obscuring their faces using an encryption mechanism. The detected pedestrian face/head is obscured by encrypting with a unique key derived from a master key for the privacy preservation purpose. The performance evaluations on many challenging surveillance scenarios show that the proposed mechanism can effectively and robustly track as well as identify multiple pedestrians and obscure/unobscure their faces/head in real time.     

多通道视频目标自动跟踪系统设计

目前,视频监控系统一般都会用到多个摄像机,即监控系统有多个通道的视频内容,这带来一个很现实的需求,就是在多通道视频中对感兴趣的目标进行自动跟踪。为此,基于最近兴起的tracking-learning-detection(TLD)视频目标跟踪算法设计了一个多通道视频目标跟踪系统。针对一个实际的监控场景,布置了设计的目标跟踪系统,并进行了验证实验。实验结果显示该系统能够对多个视频通道中的感兴趣目标进行准确有效跟踪,达到预期效果。