基于改进SiamFC的实时人脸跟踪算法

基于现有的人脸跟踪网络存在参数量大、算力高、难以部署到嵌入式平台,无法满足移动设备实时性需求的问题,以SiamFC为基准网络,提出一种基于Two-Way Dense Layer模块改进后的Dense_Block模块。模块在提取特征时具有特征分流、扩大感受野、轻量化网络等优势;为保证人脸跟踪精度且维持实时的在线人脸跟踪速度,通过人脸级联定位搜索策略,先采用浅层的搜索特征和人脸模板特征进行目标人脸初定位,接着对特征响应最大的区域作为深度特征进行人脸重定位,之后,通过NEON指令集优化、知识蒸馏、模型剪枝等方法进一步为人脸跟踪算法加速。实验表明,改进后的SiamFC在部署到RK3288开发板上时,在Accurate、Overlap基本保持不变的情况下,跟踪速度是原SiamFC算法的7.7倍。

彩色图像的实时人脸跟踪方法

本文提出一种彩色图像序列中的人脸跟踪方法．本文所提出的跟踪模式包括人脸肤色模型及运动模型．在人脸肤色模型中，首先将图像的RGB空间变换到色度空间，然后利用最大能量坐标和矩表征色度空间的直方图分布．运动模型由运动检测与运动预测构成，以减少搜索区域，提高检测速度．最后，介绍根据上述技术实现的在线人脸跟踪系统．实验结果表明，本文提出的跟踪方法可以在复杂背景中实时地跟踪人睑的自由运动．

以颜色和形状直方图为线索的粒子滤波人脸跟踪

跟踪器的设计和跟踪线索的选择与表达是人脸跟踪中的两大关键因素,针对一般人脸跟踪算法中常用简单椭圆来描述人脸形状线索时易受背景干扰的缺点,以及视频目标跟踪中动态模型和观测模型的非线性非高斯特点,提出了一种以颜色和形状直方图为线索的粒子滤波人脸跟踪算法,该算法在粒子滤波基本框架之下,引入了一种新的用直方图来描述人脸形状的方法,并对其进行了改进,用来作为人脸跟踪的形状线索。同时,为了减轻背景干扰,提出了一种经验有效边缘的检测方法。实验表明,该跟踪方法不仅能有效地处理人脸旋转、背景中的肤色干扰和部分遮掩问题,并且能够在由于大面积遮掩等原因而丢失目标的情况下,及时有效地重新捕获已丢失的目标。

综合颜色和纹理特征的粒子滤波人脸跟踪算法

提出了一种综合颜色和纹理特征的粒子滤波人脸跟踪算法.该方法利用粒子滤波能有效处理非线性非高斯过程和融合目标人脸多种测量信息的特性,针对人脸特征对环境变化的不同鲁棒性,综合加权颜色直方图和旋转复合小波进行人脸特征描述,将颜色和纹理特征融合到粒子滤波跟踪框架中.实验结果表明了该算法的鲁棒性、精确性和灵活性,与基于单一特征的粒子滤波跟踪方法相比,该算法稳健而有效,且对现实场景下人脸的跟踪效果准确.

基于粒子滤波的人脸跟踪算法

人物跟踪技术是目前智能监控系统的核心方法之一,针对人脸运动的非线性非高斯的特点,引入粒子滤波算法来进行运动预测估计,抵抗遮挡干扰。同时,根据人脸结构特点,提出了一种分块颜色直方图,用以描述人脸的特征。并且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转,肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。

基于特征组合的人脸跟踪方法

针对复杂背景下的彩色视频序列图像,提出一种基于多特征组合的人脸跟踪方法。该方法采用肤色特征与运动特征来描述视频序列图像中的人脸,分别构造特征似然作为区分人脸目标与背景的置信度,并利用粒子滤波框架原理,用组合的特征似然来表征粒子权重。该方法中提出的自肤色检测算法避免了光线与类肤色像素对肤色特征的影响,在跟踪过程中根据分类性能对特征进行动态组合,在粒子滤波过程中采用一种动态模型,实现了复杂背景下的人脸自由运动的跟踪。对各种测试序列图像的实验结果表明,与采用单一特征的跟踪方法相比,该方法有效地提高了复杂背景下人脸自由运动的跟踪稳定度,且实时性较高。

基于人脸检测的人脸跟踪算法

文章提出了一种基于人脸检测技术的人脸跟踪算法。该算法利用前一帧的人脸检测结果预测当前帧中人脸可能的尺度与位置范围，在限定的范围内采用模板匹配与人工神经网分类的方法定位人脸，从而实现快速而可靠的人脸跟踪。由于使用了人脸检测技术，该方法可以自动定位初始人脸。实验表明该方法在具有复杂、动态变化背景的图象序列中是很有效的，速度为5－11Hz，可用于实时性系统。

改进的CamShift人脸跟踪算法

经典CamShift算法在用于人脸跟踪时,遇到场景中有大面积类肤色区域出现的情况容易产生跟踪失误。针对该问题,提出在CamShift中融入模板匹配的改进算法。以颜色概率分布图中模板匹配是否成功作为CamShift算法迭代终止的条件,解决跟踪过程中的类肤色干扰问题。实验结果证明了该方法的有效性。

基于SURF算法的人脸跟踪技术研究

人脸检测与跟踪技术是计算机视觉领域研究课题之一,在军事及民用领域应用广泛。在目标检测算法中,基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来目标检测领域的研究热点。SIFT算法便是其中之一,但传统的SIFT算法应用于人脸检测过程中有数据量大、计算耗时长,提出了一种基于SURF算法的人脸检测方法,阐述了SURF算法的基本原理,并首先将SURF算法应用于人脸特征检测与跟踪,阐述了人脸跟踪系统设计方法,使用OpenCV技术实现了基于SURF算法的人脸跟踪验证系统。试验结果表明,基于SURF算法的人脸跟踪系统匹配识别效果较好,实时性较好、具有较好鲁棒性。

基于主动机器视觉的人脸跟踪与表情识别系统

搭建了一个基于主动机器视觉平台的人脸跟踪与表情识别系统,并进行了相关实验研究。阐述了该平台的系统结构,以及实现人脸表情识别系统的关键功能模块。该系统在主动机器视觉平台基础上,对注意力选择的区域进行人脸检测,通过控制云台完成跟踪动作,并对人脸区域进行实时地表情识别。同时在实验平台上做了大量的人脸检测跟踪和表情识别实验,包括对复杂和简单背景下人脸跟踪及表情识别的准确性进行了实验,实验结果验证了平台的有效性。

多特征连续自适应均值漂移人脸跟踪算法

传统连续自适应均值漂移人脸跟踪算法,仅使用了人脸的色调特征,容易受到光照及相同背景色影响,为此,提出将人脸颜色和表示线端、角点、边界相关的纹理信息相结合共同构成人脸特征的CAMSHIFT算法。首先,采用带有权重的RGB颜色空间创建归一化的人脸直方图模型;然后,在视频图像中进行目标人脸直方图投影,同时进行纹理检测,保留纹理信息的人脸颜色特征,形成概率密度分布图;最后,由Mean Shift算法从当前位置迭代寻找直至定位目标人脸。实验结果验证了该算法可以抵御同色背景和部分遮挡的影响。

基于Camshift和粒子滤波的老人陪护机器人人脸跟踪

使用Camshift算法进行老人陪护机器人的人脸跟踪,并针对家居室内环境和人脸跟踪的非线性非高斯的特点,引入粒子滤波的方法进行运动预测估计,对己有颜色特征提取算法进行改进,从而提高了跟踪的准确性和抗干扰能力。最后,在家庭室内环境下的实验验证了该视觉跟踪控制方法的实时性和有效性,为老人陪护机器人的交互提供了一种参考方案。

基于Camshift的人脸跟踪算法

Camshift跟踪算法具有很好的实时性,但是也存在不能实现自动跟踪,跟踪过程中鲁棒性不强,遇到遮挡问题跟踪失效,只能进行单人脸跟踪等问题。针对这些问题,提出了基于改进Camshift的人脸跟踪算法,该算法结合了Adaboost人脸检测算法并改进了原算法中的颜色直方图模型。以实际人脸检测与跟踪实验为例,证明了该算法在人脸自动检测跟踪过程中具有速度快、准确度高,同时可以跟踪多个人脸,能有效克服跟踪过程中遮挡问题等。

一种基于Camshift聚类的粒子滤波人脸跟踪算法

针对Camshift算法无法处理相似背景颜色干扰、背景复杂和传统粒子滤波人脸跟踪算法中的粒子退化、计算量大等问题,提出了一种基于Camshift聚类的粒子滤波人脸跟踪算法.在粒子滤波框架下,将Camshift算法中的聚类方法引入人脸状态估计中,使每个粒子沿着梯度最大方向迭代至局部密度最大值区域,让所有粒子移动到与人脸颜色相似的区域.实验结果表明:该算法用较少的粒子实现了人脸曲线无规则运动的跟踪,在光照和遮挡问题上有较好的鲁棒性.该算法性能明显优于传统的粒子滤波人脸跟踪算法,用于实现人脸跟踪具有很好的实时性、鲁棒性和有效性.

具有自适应MB-LBP前置滤波的CAMShift人脸跟踪算法

基于颜色分布的连续自适应均值移动(CAMShift)人脸跟踪算法简单、易于实现,被广泛应用于实时跟踪。但因其采用肤色模型作为跟踪模式,所以当目标处于类肤色背景区域时,跟踪窗口极易错误收敛到背景区域从而导致跟踪失败。为此,本文提出一种具有自适应MB-LBP前置滤波的CAMShift跟踪算法。首先训练一个能检测人脸基本特征的级联MB-LBP节点分类器。当跟踪窗口进入类肤色干扰区时,系统自适应地把该分类器接入作为CAMShift跟踪算法的前置滤波器,以排除背景中的类肤色干扰,提高算法的鲁棒性。实验结果表明,该算法既能有效排除背景中的类肤色干扰、显著提高CAMShift人脸跟踪算法的鲁棒性,又能保持人脸跟踪的实时性。

基于多特征Mean Shift的人脸跟踪算法

该文把局部三值模式(Local Ternary Patterns,LTP)纹理特征引入MeanShift跟踪算法,提出了基于多特征的Mean Shift人脸跟踪算法以解决Mean shift跟踪算法的鲁棒性问题。通过对LTP纹理特征的分析、研究,提出了一个LTP关键纹理模型,既增强了目标的关键纹理信息,又简化了LTP纹理模型。在此基础上,提出一种基于LTP关键纹理特征和肤色特征的Mean Shift人脸跟踪算法,有效地解决了Mean Shift算法的鲁棒性问题。为进一步提高对快速运动目标的跟踪速度和跟踪性能,该文引入了卡尔曼滤波器对目标进行预测。实验结果表明,该文的算法在目标定位的准确性和跟踪性能上比Mean Shift算法均有明显的提高。

基于3D直方图联合面部特征的人脸跟踪系统

针对人脸跟踪中存在的实时性和准确性难以同时兼顾的问题,提出了一种基于三维直方图肤色模型联合面部特征提取的人脸跟踪算法,采用网格映射缩略图、运动矢量预测和搜索窗参数修正等方法来提升算法的性能,从而既提高了算法的执行效率,又保证了算法的准确性,最终实现了一套人脸跟踪系统。仿真结果表明,该系统能够克服复杂背景的影响,准确的检测出有效的人脸,并对人脸进行实时跟踪,具有较强的鲁棒性。

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。

光照和尺度自适应的Mean Shift人脸跟踪算法

针对原始Mean Shift算法易受光照强度影响及跟踪窗口不随目标尺度自适应变化的问题,提出了一种光照和尺度自适应的Mean Shift人脸跟踪算法。该算法将颜色特征与光照不变性特征局部二值模式结合起来共同表征人脸,增强了复杂背景下目标的跟踪性能,利用矩特征和巴氏系数估计目标的真实尺度,提高了人脸发生较大形变时的适应能力。实验结果表明,提出的算法比传统的基于颜色直方图的Mean Shift算法具有更准确的跟踪结果。

基于均值移动和椭圆拟合的人脸跟踪算法

为了解决均值移动跟踪算法对目标的尺度变化自适应能力差的缺点,针对人脸跟踪具体问题,提出了一种基于均值移动和椭圆拟合的人脸跟踪算法.根据当选择较大核窗进行均值移动跟踪时一般可以准确定位目标的事实,以及人脸形状椭圆近似性的特征,利用一个较大核窗的均值移动跟踪器对人脸目标进行粗略定位,在此基础上再用一种高效鲁棒的直接最小二乘椭圆拟合方法来自动调整人脸尺度的大小.实验表明,该改进算法能有效地解决均值移动人脸跟踪中的目标尺度自适应调整问题,其跟踪效果明显优于原均值移动目标跟踪算法.