基于人脸检测与跟踪的智能监控系统

针对现有视频监控系统的缺陷,提出一种新的基于人脸检测与跟踪的智能监控系统。利用对称差分算法,自动检测场景中的运动区域,限制搜索范围;然后利用BP神经网络对肤色进行识别,获得候选人脸区域,该方法比固定阈值肤色检测方法具有更强的环境适应能力;经过人脸验证,最终定位图像中的人脸;对检测出的人脸,提出了新的基于肤色信息和维护运动人脸缓冲池的方法,主动跟踪目标人脸。依据检测出的人脸信息和当前的日期、时间,建立相应的监控信息标注数据库,以供后期查询。实验表明,该系统能够实时可靠地检测、跟踪运动人脸,满足特定的监控要求。

复杂背景下的人脸检测与跟踪系统

在复杂背景下进行人脸检测与跟踪是多功能感知的重要交互通道．文中设计并实现了一种基于特征子脸（ｅｉｇｅｎ－ｓｕｂｆａｃｅ）的人脸检测与跟踪系统．首先利用模板匹配的方法进行粗检测，设计了一种基于灰度分布的人脸模板，并在此基础上收集有效的反例样本集（非人脸样本集）．提出了特征子脸的概念，设计了有效的人脸器官空间基底，并给出了详细的求解方法及检测与跟踪策略．测试结果表明，本系统可以在任意背景下进行令人满意的人脸检测与跟踪．

人脸检测与实时跟踪在机动车道路考试系统中的应用研究

为了对机动车道路考试系统中考生头部动作相关的评判项进行自动评判,对图像处理领域中关于目标图像(主要指人脸)检测与跟踪的理论和技术进行了相关的研究。建立了机动车道路考试系统中人脸区域定位的检测算法和人脸区域跟踪的图像处理模型,并在跟踪基础上设计了计算考生脸部运动方向的算法,成功运用到实际机动车道路考试系统中。

基于嵌入式Linux的便携式自动人脸检测与跟踪系统的应用研究

随着嵌入式微处理器、嵌入式Linux操作系统以及数字图像处理技术的深入发展,自动人脸检测和识别技术在具有嵌入式Linux操作的嵌入式开发平台中得到了发展和实现。本文在基于IntelPXA270嵌入式硬件开发平台和嵌入式Qt和开源计算机视觉库OpenCV软件开发平台基础上,对基于嵌入式Linux的便携式自动人脸检测和跟踪系统的应用进行了研究。

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。

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。

基于改进MTCNN算法的低功耗边缘人脸检测跟踪系统

边缘设备的快速发展和深度学习的落地应用越来越多,两者结合的趋势越发明显。而针对低功耗边缘设备AI应用的潜力还未完全开发出来,大量设备隐藏着大量计算能力,释放其潜力所带来的社会效益和经济效益是非常明显的。因此,以目标检测任务中较为常见的人脸检测为例,将MTCNN人脸检测算法改进并移植到资源极其紧张的低功耗嵌入式平台,在一定环境条件下,最终成功地检测到人脸,并绘制出人脸候选框,结合舵机云台具备了一定的人脸跟踪能力。

基于OpenCV的视频人脸检测与跟踪

随着社会的不断发展,实时人脸检测与跟踪已在安全监控、人机交互等领域广泛应用。Adaboost算法利用haar特征以及其检测速度快被广泛使用,但对侧面人脸、扭曲变形人脸检测效果不理想。针对这一问题,提出将椭圆肤色检测引入人脸检测系统中。针对Camshift算法需要手动选择跟踪对象,跟踪检测出的人脸,实现实时、自动人脸跟踪。同时,在跟踪过程中引入距离约束条件,使跟踪结果更加稳定。实验结果表明,在opencv的基础上,采用肤色检测、Adaboost算法以及Camshift算法相结合的方法,实现了快速、自动和准确的人脸检测和跟踪。

基于FPGA的人脸实时检测与跟踪

为满足人脸检测的实时性,本文提出一种基于FPGA的快速算法。人脸检测的算法是基于肤色分割与图像在空间和时间上的滤波;人脸的位置是通过计算检测出来的人脸区域的质心所得。利用肤色分割方法可以对图像预处理,排除样本图像的复杂背景和人体非肤色区域,简化后续的人脸检测工作。实验结果表明该算法对人脸的姿态不敏感,体现出实时系统的准确性和有效性。所有硬件实现的计算都是实时的,并且具有最小的计算量,因此适合应用于低功耗的场合。

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。

基于视频流的人脸检测与跟踪关键技术研究

本文研究了adaboost人脸检测算法在视频流中进行特征选择和分类器训练的原理,提出将积分图像的概念引入用于快速计算Haar-like特征值,简化人脸像素值计算,将haar-like特征值计算结果作为adaboost算法的输入样本分类检测人脸信息。利用camshift运动跟踪算法进行人脸跟踪定位,并利用opencv计算机视觉类库基于上述算法开发人脸检测跟踪系统。

基于MTCNN与改进Camshift相结合的人脸检测算法

为改善视频序列中MTCNN人脸检测算法较差的实时检测效果,提出一种基于Camshift的实时人脸检测跟踪算法。该算法通过加权直方图匹配方法增强人脸轮廓的辨识度,利用改进后的MTCNN人脸检测算法实现Camshift人脸跟踪搜索框位置和尺寸的初始化,通过限定人脸框的宽高比约束了人脸形态,最终解决了Camshift跟踪算法的相近色干扰问题,实现实时人脸跟踪检测。实验结果表明,在仅使用CPU的硬件环境下,MTCNN人脸检测算法的帧率小于3帧/s,将改进后Camshift跟踪算法与MTCNN人脸检测算法相结合后,帧率约为60帧/s,满足实时性要求,改进后的算法更加健壮和准确。

基于嵌入式Linux环境下OpenCV的人脸检测跟踪系统研究

在嵌入式Linux环境下使用OpenCV网络摄像机解决了不受控制程序中自动面部检测和跟踪的问题。现实场景和实时限制的动态特性使我们的任务变得复杂。与之前使用广角相机和OpenCV混合的工作不同,我们探索了单个OpenCV相机可以预期的限制。在缩小模式下检测并跟踪行人,然后使用调度程序选择要放大的人。放大后,我们回到广域模式,解决人与人、面对面和面对面数据关联问题。在挑战室内不受控制的条件下的广泛实验证明了所提出的系统的有效性。

基于嵌入式Linux环境下OpenCV的人脸检测跟踪系统研究

在嵌入式Linux环境下使用Open CV网络摄像机解决了不受控制程序中自动面部检测和跟踪的问题,检测到的面部与相应的人和轨迹相关联。现实场景和实时限制的动态特性使我们的任务变得复杂。与之前使用广角相机和Open CV混合的工作不同,我们探索了单个Open CV相机可以预期的限制。在缩小模式下检测并跟踪行人,然后使用调度程序选择要放大的人。放大后,我们回到广域模式,解决人与人,面对面和面对面数据关联问题。在挑战室内不受控制的条件下的广泛实验证明了所提出的系统的有效性。

基于视频的人脸检测综述

在实时系统中视频人脸的检测与跟踪技术已成为人脸识别领域最活跃的研究方向之一,介绍了人脸检测的应用,对提高检测和跟踪的鲁棒性和精确性问题的理论研究算法进行了总结。分别讨论并评价了人脸检测的几种基本方法,介绍了近年来研究者们研究的新方法并对人脸检测研究中存在的问题和今后的发展进行了讨论。

驾驶员疲劳检测实时控制系统设计

为了实现对驾驶员疲劳状态的在线监测,建立了驾驶员疲劳检测实时控制系统。对该系统所采用的人脸识别、人脸跟踪技术、人眼定位以及疲劳状态判断等进行研究。首先,介绍了系统的构成,以模块化思想构建系统软件。接着,以MB-LBP算法对人脸进行特征分类,结合Adaboost级联算法提取人脸信息,并与经典的人脸识别算法进行了对比。然后,利用人脸跟踪技术提高人脸识别的效率,并成功地实现了人眼定位于检测。最后,使用椭圆拟合算法对检测出来的眼睛区域进行拟合,通过计算驾驶员单次眨眼时间,进行驾驶员疲劳状态判别。试验结果表明:所设计的基于驾驶员面部特征的驾驶员疲劳驾驶检测系统,能够有效地检测驾驶员的疲劳状态,平均正确检测率高于90%。基本满足驾驶员疲劳驾驶非接触检测实时性好、准确性高的要求。

面向人脸对象的极低比特率视频编码方法

针对可视电话、视频电视会议等领域经常出现的视频头肩序列图像 ,提出了一种面向人脸检测与跟踪的视频分级小波编码方法 ,在极低比特率下 ,解码端仍能获得视觉质量较好的恢复序列图像。

面向视频监控的人脸识别关键技术分析

在不同的监控视频当中,人脸具备一定的关联性,部分信息可以反映一定的人脸信息。本文在人脸图像的变化特点的基础上,提出了一种基于监控视频的人脸识别技术,该技术借助人脸检测与跟踪技术对视频的人脸序列捕获,并对所捕获的信息做出识别,选取出全部的人脸序列图像信息,综合化地对人脸信息做结果识别。借助于此种方式可以确保识别效率的提升,降低错误识别率的提升,最终实现监控视频当中人脸识别实时性的提升。

基于DM3730的高清智能视频采集处理系统的设计与应用

采用ARM+DSP高性能双核DM3730处理器,结合CMOS图像传感器OV2715,设计一套具有人脸检测跟踪功能的高清智能视频采集处理系统,并已用于车载智能人脸分析摄像机中。详细介绍了该系统软件平台各功能模块的设计及基于相关改进算法的DSP实现。测试结果表明该系统人脸检测率达到98.59%,且每秒能检测25帧,基本满足实时性的要求,同时在遮挡、相似色干扰下也能够准确检测跟踪人脸,可以广泛应用于安防监控领域。

动态图像理解技术在ATM智能监控中的应用

探讨了利用动态图像理解技术对ATM进行智能监控,采用全方位视觉传感器(ODVS)实时采集ATM机周围的全景视频数据;从全景视频数据中提取出各活动对象的属性信息,并根据这些属性信息对各活动对象进行识别;通过对各活动对象的跟踪与分析,得到ATM状态、ATM周围相关人员的行为等信息;最后通过行为语义化处理手段对ATM的多种常见的可疑犯罪行为等进行了识别;实验结果表明,对于模拟ATM一些常见可疑犯罪行为的识别方面,系统具有鲁棒性高、安检内容多、监测范围广等优点,为预防ATM机等金融犯罪提供了一种新的手段。