視頻序列中的人臉檢測與跟蹤關(guān)鍵新技術(shù)研究

視頻序列中的人臉檢測與跟蹤是計算機視覺及視頻編碼的關(guān)鍵技術(shù)，它對身份鑒別、情感識別、圖像編碼以及視頻跟蹤等相關(guān)技術(shù)的發(fā)展有著決定性的影響。本課題的研究目標(biāo)是探尋一、兩種切實可行的人臉檢測與跟蹤的新算法。研究工作立足于粒子濾波和均值移動的新方法，針對人臉檢測與跟蹤這一應(yīng)用目標(biāo)，分析和研究這兩個算法的優(yōu)勢和存在的問題，并加以改進，我們將根據(jù)人臉跟蹤的具體特點，引入更為魯棒的跟蹤線索,增加形狀描述的精度改進跟蹤線索的表達方式，并對跟蹤控制器的性能進行改進，解決均值移動人臉跟蹤的尺度自動調(diào)整問題。建立一個既滿足實時性要求，又保證高效魯棒的人臉檢測與跟蹤系統(tǒng)。 2100433B

本書涵蓋了近30年視頻跟蹤技術(shù)的發(fā)展，介紹了視頻目標(biāo)檢測跟蹤及其應(yīng)用的最新研究成果和動態(tài)，全面系統(tǒng)地介紹了當(dāng)今世界視頻跟蹤技術(shù)的最新研究進展，重點介紹了預(yù)處理技術(shù)、圖像目標(biāo)檢測、視頻目標(biāo)檢測、均值移位跟蹤方法、基于粒子濾波的跟蹤方法等方面的技術(shù)和應(yīng)用。

仿真過程中，固定平臺Y軸，X和z軸運動，期望Z軸在X，Z平面上運動軌跡為

從仿真結(jié)果我們可以看出，模糊CMAC作用力跟蹤阻抗控制器能補償平臺動力學(xué)上的不確定性，基于位置阻抗控制的性能稍微優(yōu)于基于力矩阻抗控制。為了進行仿真比較，我們用CMAC代替FCMAC進行仿真，固定y軸，X和z軸運動，期望z軸在x和Z平面上運動軌跡為

從仿真結(jié)果我們可以看出，F(xiàn)CMAC性能優(yōu)于CMAC，基于位置阻抗控制的性能稍微優(yōu)于基于力矩阻抗控制。另外，由于基于位置的阻抗控制方案無需改變內(nèi)部的控制結(jié)構(gòu)便可使位置控制平臺系統(tǒng)實現(xiàn)魯棒性作用力控制。

隨著人類社會的視頻數(shù)據(jù)量爆炸性增長, 目前針對海量視頻數(shù)據(jù)的人臉識別存在效率低和準(zhǔn)確率低等問題, 并行計算是海量視頻數(shù)據(jù)中高效進行人臉識別處理的可選途徑之一. 本項目面向海量視頻數(shù)據(jù)中人臉分析與識別全過程的并行化實現(xiàn), 研究人臉目標(biāo)檢測和跟蹤、基于稀疏表示的人臉特征提取與識別算法, 以顯著提高海量視頻數(shù)據(jù)中的人臉識別效率. 研究內(nèi)容為面向海量視頻數(shù)據(jù)的: (1)基于小容量字典學(xué)習(xí)的人臉分類算法及其并行計算; (2)基于流形的視頻人臉描述模型建立; (3)人臉目標(biāo)檢測的并行AdaBoost算法; (4)基于MeanShift算法和Kalman濾波器的人臉目標(biāo)跟蹤算法; (5)基于異構(gòu)體系架構(gòu)下的并行分塊PCA人臉特征提取算法. 本項目的研究將不僅為人臉識別算法的設(shè)計提供新的思路, 而且為人臉識別并行應(yīng)用效率的提高和為大規(guī)模人群背景下的人臉分析與識別的實際應(yīng)用奠定基礎(chǔ).