基于决策的人脸检测与自动跟踪方法

对人脸检测与跟踪的研究现状进行了简要介绍,发现传统的MDP(Markov decision processes)跟踪算法需要手动初始化,这不利于实际场景中的灵活运用。因此,提出一种基于Viola-Jones人脸检测算法和改进的MDP自动跟踪算法。从视频序列中提取人脸的类Haar特征,采用AdaBoost算法构建强分类器,并利用级联方式将强分类器进行联合,从而提高人脸检测率。MDP跟踪算法将在线的多目标跟踪问题规划成MDP中的决策,为每一个人脸目标建立一个MDP模型,并用VJ检测器的输出来初始化该模型,将人脸的出现到消失看作是MDP模型中的状态转移,在跟踪过程中采用光流法结合Kalman运动估计提高人脸跟踪的准确性和鲁棒性,减少目标ID的分配错误。在此过程中VJ检测器作为监督指标,与跟踪器的输出进行关联。实验结果表明,该算法可以稳定地检测并跟踪场景内的人脸目标,其速率也能满足应用要求。