基于视频图像的人脸识别与跟踪.pdf

基于视频图像的人脸识别与跟踪 人脸识别技术已经慢慢趋于成熟，识别算法层出不穷，如基于特定人脸子空间的人脸识别算法、基于 SV 的 Kernel 判别分析方法、基于 AdaBoost 的 Gabor 特征选择等等。在互联网时代，人脸识别技术将更加智能化，迎来更大规模的发展和广泛地应用空间和前景。 人脸检测对于计算机视觉领域来说一直是一个重要的挑战，至今也有狠多的方法问世，如几何特征的人脸识别方法、基于特征脸的人脸识别方法、神经网络的人脸识别方法、弹性图匹配的识别法、线段距离的识别方法，还有支持向量机（SVM）的人脸实时别方法。 基于肤色模型单图片的人脸检测可以通过肤色的色彩组成，然后与人体后面的背景相比较，这两者的区别肯定是很大的，这样的话人脸识别系统就可以区分出到底哪一块是应该识别出的区域。然后根据识别算法把人的脸部划分出来，把人脸区域和背景区域分离开了之后，接下来进行的就是一个批处理的过程，把每一帧都进行这样的处理，就可以实时的把人脸识别在整个系统界面显示出来。 在基于视频图像的人脸识别与跟踪中，RGB 到 YCrCb 色彩模型的转换是非常重要的。YCrCb 色彩模型也被称为 YUV 色彩空间表示，为视频监控方面提供了保证。YCrCb 主要有以下几个转换：Y=rR+gG+bB, Cb=B-Y, Cr=R-Y, Cg=G-Y。这些转换可以减少背景颜色和人脸部颜色其他属性对识别过程的干扰，提高成功率和准确率。 肤色模型和二值化处理是人脸识别技术中非常重要的一步。通过 YCrCb 的侧才模型的转化之后，我们将肤色给提取了出来，但是然提其他部位的肤色如果在单真图片中，也是会被显示出来，因此我们还要进一步的判断，通过什么来区别人脸区域和非人脸区域呢？我们通常会进行的操作一般是阈值处理，但是如何选取阈值，他的范围怎么确定，这是一个需要解决的问题。 二值化处理是人脸识别技术中非常重要的一步。主要有三种方法：双峰直方图阈值分割法、阈值分割法和百分位数法。这些方法可以达到排除其他肤色的效果，实现人脸识别系统的智能化和自动化。