【正文】 者動物的視覺是不同的：它借助于幾何、物理和學(xué)習(xí)技術(shù)來構(gòu)建模型，從而用統(tǒng)計的方法來處理數(shù)據(jù)。這里主要有兩類方法：一類是仿生學(xué)的方法，即參照人類視覺系統(tǒng)的結(jié)構(gòu)原理，建立相應(yīng)的處理模塊完成類似的功能和 工作；另一類是工程的方法，即從分析人類視覺過程的功能開始著手。并不去刻意模擬人類視覺系統(tǒng)內(nèi)部結(jié)構(gòu)，而僅僅考慮系統(tǒng)的輸入和輸出，并采用任何現(xiàn)有的可行的手段實現(xiàn)系統(tǒng)功能。其中第二類方法是目前計算機視覺技術(shù)研究的趨向，目前已經(jīng)發(fā)展起一套獨立的計算理論與算法 ]2,1[ 。 作為人臉信息處理的一項關(guān)鍵技術(shù)，人臉檢測與跟蹤近年來成為計算機視覺領(lǐng)域研究的熱點。人臉的檢測與跟蹤是指在指定輸入的圖像或者視屏序列中確定所有目標(biāo)人臉的位置、大小、姿勢和運動軌 跡等參數(shù)隨時間變化的過程，最初作為人臉識別 (Face Recognition)系統(tǒng)中的一個關(guān)鍵環(huán)節(jié)而出現(xiàn) ]4,3[ 。 在早期的人臉識別問題的研究中，人臉圖像往往具有很強的約束條件 (如無背景圖像 )，因此使人臉檢測問題并未受到很好的重視。近幾年隨著社會的發(fā)展，在經(jīng)濟、安全、犯罪和軍事領(lǐng)域需要對用戶身份進行核對，特別像銀行、海關(guān)等重要安全部門。人臉識別成為繼指紋識別之后最有潛力的生物身份驗證的手段。在此應(yīng)用背景之下要求識別系統(tǒng)能夠適應(yīng)一般場 景下的圖像，由此引起的一系列問題使得研究者開始將人臉檢測和跟蹤作為一個獨立的課題進行研究，使其應(yīng)用背景遠遠超出人臉識別系統(tǒng)的范疇。 目前簡單背景、人臉偏轉(zhuǎn)角度不大的正面人臉檢測算法已經(jīng)比較成熟，有較高的檢測效率和速度，但對于人臉偏轉(zhuǎn)角度較大、嚴(yán)重遮擋的情況下，算法魯棒性一般。在實際應(yīng)用中需要實時跟蹤、搜索人臉，這就要求算法對于人臉偏轉(zhuǎn)、遮擋具有較強的魯棒性，既要有較高的檢測速度，滿足實時性的要求；又要有較高的檢測精度，盡量減少誤檢、漏檢的情況。因此構(gòu)造出高效、準(zhǔn)確的人臉檢測和跟蹤算法，從學(xué)術(shù)和實際應(yīng)用的角度 都有非常重要的意義。 國內(nèi)外研究狀況 目前，國外從事人臉檢測與跟蹤問題的研究的機構(gòu)，比較著名的有 MIT的 AI 實驗室與多媒體實驗室、 CMU的人機結(jié)構(gòu)實驗室等；國內(nèi)的清華大學(xué)、中國科學(xué)院計算技術(shù)研究所、北京工業(yè)大學(xué)等也從事相關(guān)的研究。此外， MPEG7 標(biāo)準(zhǔn)組織建立了人臉識別草案小組，人臉檢測算法也是一項征集的內(nèi)容，隨著研究的不斷深入，國際上一些權(quán)威期刊，如IJCV(International Journal of Computer Vision)、 CVIU(Computer Vision and Image Understanding)、 PAMI(IEEE Transonic Pattern Analysis and Machine Intelligence)及重要學(xué)術(shù)會議，例如 ICCV(International Conference on Computer Vision)、 CVPR(IEEE Computer Society Conference on Computer Vision and Pattern Recognition) 、ECCV(European Conference on Computer Vision)、 IWVS(IEEE International Workshop on Visual Surveillance)每年都有大量關(guān)于人臉檢測與人臉跟蹤的論文，極大地促進了研究學(xué)者的學(xué)術(shù)交流。 國內(nèi)外對于人臉檢測跟蹤的實現(xiàn)方法多種多樣，但是由于任意場景下的人臉準(zhǔn)確檢測和跟蹤的復(fù)雜度很高，并不存在一個適合各種實際應(yīng)用下的算法，這也就決定了當(dāng)前的人臉檢測與跟蹤問題的研究仍然是建立在一定約束條件之上的，如運動的平滑性，遮擋的數(shù)目，光照不變條件，目標(biāo)與背景之間的對比度等。 人臉檢測與跟蹤的難 點 人臉是一類具有相當(dāng)復(fù)雜的細節(jié)變化的自然結(jié)構(gòu)目標(biāo)，由于外貌、表情、膚色等不同，具有模式的可變性而難以用統(tǒng)一的模式加以描述。圖像或者視頻序場景中存在的背景復(fù)雜、人臉運動的非剛性、目標(biāo)遮擋等問題，這對檢測和跟蹤帶來的很大的難度。在實際應(yīng)用中，人臉檢測所面臨的主要難點可以歸結(jié)為 ]12[ ： (1)數(shù)學(xué)模型不能精確描述人臉； (2)人臉受到光照、陰影、距離的影響； (3)特定的復(fù)雜背景對檢測率有很大影響； (4)人臉在運動中的非剛性，角度、 偏轉(zhuǎn)、遮擋等使人臉特征缺失。 新的人臉跟蹤算法不斷被提出使得人臉跟蹤技術(shù)得到一定的發(fā)展，但是由于運動場景的復(fù)雜性，人臉跟蹤算法要實現(xiàn)在不同的環(huán)境行下對多個目標(biāo)人臉實現(xiàn)實時準(zhǔn)確跟蹤還是比較困難的。一般來說，人臉跟蹤算法主要實現(xiàn)的目標(biāo)為 ]13[ ： (1)魯棒性。在實際應(yīng)用中適應(yīng)各種強干擾 (光線的強度變化、目標(biāo)自遮擋、目標(biāo)間遮擋、背景遮擋等 )，能夠持續(xù)準(zhǔn)確的定位目標(biāo)人臉，實現(xiàn)跟蹤。 (2)準(zhǔn)確性。對目標(biāo)人臉狀態(tài)改變時 (偏轉(zhuǎn)、運動、附屬物等 )，精確分割跟蹤。 (3)實時性。不降準(zhǔn)確性的同時算法計算復(fù)雜程度相對較小，在現(xiàn)有的硬件條件下，對人臉實時跟蹤。 主要研究內(nèi)容及章節(jié)安排 人臉檢測與跟蹤問題的內(nèi)涵十分廣泛，由于人臉模式的復(fù)雜性，實現(xiàn)通用的人臉檢測與跟蹤方法還不現(xiàn)實。如何解決特定應(yīng)用場合、特定約束條件下的人臉檢測與跟蹤問題，仍將是該領(lǐng)域研究的主要方向。另外復(fù)雜背景圖像中的多姿態(tài)人臉的檢測與跟蹤也是研究的重點之一。本文主要研究了彩色圖片和視頻序列中的人臉檢測與跟蹤的問題。在人臉檢測方面文章主要討論了基于膚色的檢測方法、基于啟發(fā)式模型的 方法和基于統(tǒng)計模型的方法等幾種主要方法，并利用膚色在 YCrCb 空間的聚類特性來檢測人臉，同時為了去除亮度對膚色的影響，增強檢測的可靠性，采用了亮度補償。最后選取眼部特征作為條件確定人臉區(qū)域。在基本的人臉跟蹤的方法上，主要研究了基于膚色的人臉檢測方法檢測視頻圖像中的人臉以及通過背景差分法對視頻中運動目標(biāo)的檢測與追蹤，并基于膚色模型與人臉的眼部特征（啟發(fā)式特征人臉檢測）相結(jié)合對視頻中運動目標(biāo)的人臉進行檢測與跟蹤。 本文章節(jié)安排如下： 第 1章為緒論，主要討論了本課題的研究內(nèi)容和背景以及應(yīng)用范圍，分析了人臉檢測 與跟蹤在國內(nèi)外的研究狀況，就這一課題的難點進行了論述。 第 2章主要分析了人臉檢測與跟蹤的主要方法。人臉檢測的主要方法有基于膚色的檢測方法、基于啟發(fā)式模型的方法和基于統(tǒng)計模型的方法等。人臉跟蹤的方法主要有基于特征檢測的方法、基于模型的方法和基于貝葉斯濾波的方法等。 第 3章主要分析了基于膚色的人臉檢測方法檢測視頻圖像中的人臉。本章主要介紹了基于膚色人臉檢測的具體方法，并對視頻幀中單張圖片單人臉進行檢測和定位。 第 4章主要講了通過背景差分法對視頻中運動目標(biāo)的檢測與追蹤，并基于膚色模型與人臉的眼部特征（啟發(fā)式特征人 臉檢測）相結(jié)合對視頻中運動目標(biāo)的人臉進行檢測與跟蹤。 第 5章總結(jié) 第 6章參考文獻 第 2 章 人臉檢測和跟蹤的主要方法 人臉檢測的方法 人臉檢測與跟蹤問題所涉及的內(nèi)容十分廣泛，從不同的角度可以有很多分類的方法。本文主要討論靜止圖像中的人臉檢測問題以及動態(tài)圖像序列中的人臉跟蹤問題。人臉模式具有復(fù)雜而細致的變化，所包含的模式特征也十分豐富 (如圖 )，實際應(yīng)用中往往無法找到一個通用的算法，因此一般需要采用多種模式特征綜合的方法。 圖 ]7[ 目前，按照不同的分類角度，可以將人臉檢測問題分為多種類型，如表 ： 表 ]7[ 一般情況下，按照人臉檢測所處理圖像的不同將其分為兩類：基于灰度圖像的人臉檢測和基于彩色圖像的人臉檢測。對于灰度圖像，目前存在的方法主要有：基于整體外貌(Appearancebased)的方法、基于特征 (Featurebased)的方法和基于模板 (Templatebased)的方法。對于彩色圖像，由于其能夠提供豐富的信息，因此可以采用有別于灰度圖像的處理辦法，利用彩色圖像本身的特性進行人臉檢測。一般都是用膚色檢測加快人臉檢測的速度。例如， Yang和 Ahuja在 1998年的工作中，利用人的皮膚顏色建立了一個人臉檢測器：首先根據(jù)圖像的顏色進行分割，將其劃分為不同的區(qū)域，然后將符合皮膚顏色的區(qū)域進行合并，知道形成橢圓區(qū)域 (近似人臉輪廓 )來判定人臉是否存在 ]17[ 。 基于膚色的檢測方法 膚 色方法是最通常的的方法之一，也是最容易理解的。它的主要手段就是利用人臉膚色與周圍環(huán)境顏色的差異，通過膚色將人臉與背景環(huán)境區(qū)分開來。根據(jù)計算機理論，對一種顏色而言，在計算機中有不同的表達方式，這樣就形成了不同的色彩空間。每個色彩空間也都有其各自的產(chǎn)生背景、應(yīng)用領(lǐng)域等。主要的色彩空間有以下幾種。 RGB模型 由于彩色圖像的多光譜圖像的一種特殊情況，對應(yīng)與人類視覺的三基色即紅、綠、籃三個波段，是對人眼的光譜量化性質(zhì)的近似。因此利用 R、 Q、 B三基色這三個分量來表征顏色是很自然的一種格式。而且多數(shù)的圖像設(shè) 備都是一電荷藕合器件 (CCD)技術(shù)為核心，直接感知色彩的 R、 G、 B三個分量，這也使得三基色模型成為圖像成像、顯示、打印等設(shè)備的基礎(chǔ)，具有十分重要的作用。 YCbCr(YUV)格式 這種色彩空間是以演播室質(zhì)量標(biāo)準(zhǔn)為目標(biāo)的 CCIR601編碼方案中采用的彩色模型，被廣泛的應(yīng)用在電視的色彩顯示等領(lǐng)域中。它同樣具有 HIS格式中將亮度分優(yōu)點，但由于它可以從 RGB格式線性變化得到， YCrCb與 RGB的轉(zhuǎn)換公式為： ???????????????????????????????BGRCrCbY0 . 0 8 1 0 . 4 1 9 0 . 5 0 00 . 5 0 0 0 . 3 3 1 0 . 1 6 90 . 1 1 4 0 . 5 8 7 （ ） YCbCr格式直接應(yīng)用于物體色彩聚類分析的情況不多，相比之下，在其基礎(chǔ)上的變換模型的應(yīng)用更為普遍。膚色模型是人臉非常重要的一個特性。研究表明：盡管不同種族、不同年齡、不同性別的人的膚色看上去不同，但這種不同主要集中在亮度上。在去除亮度的色度空間里，不同膚色的分布具有據(jù)聚類性。在 YCbCr色彩空間里，膚色聚類只在一個很小的范圍內(nèi)且具有二維高斯模型分布 G=(m,C)，其中 m=E(x)為均值， x=(Cb,Cr)T， C為協(xié)方差矩陣，C=E[(xm)(xm)T]。通過這個膚色模型分布可以得到待檢測彩色圖像中任 意各一個像素點屬于皮膚的概率，對于某像素點 s，從 RGB 空間轉(zhuǎn)換到 YCbCr色彩空間得到色度值 (Cb,Cr)，則該像素的膚色概率密度可由下式計算得到： )]()( x p [),( 1 mxCmxCrCbp T ???? ? （ ） 式中， TCrCbx ),(? 。 HSV（色調(diào) /飽和度 /強度）模型 它采用色調(diào)和飽和度來描述顏色，這種格式反映了人類觀察色彩的方式，同時也有利于圖像處理。其中 V表示顏色的亮度， H表示色調(diào)，而 S則表示顏色的飽和度。這種格式的優(yōu)點在于它將亮度 (V)與反映色彩本質(zhì)特性的兩個參數(shù)即色度 (H)與飽和度 (S)分開。在對色彩信息的利用中，我們提取一類物體 (目標(biāo)人臉 )的色彩方面的特性時，經(jīng)常需要了解其在某一色彩空間的聚類特性，而這一聚類特性往往體現(xiàn)在色彩的本質(zhì)特性上，而又經(jīng)常受到光照明暗等條件的干擾影響。若能將光度分量從色彩中提取出去，而只用反映色彩本質(zhì)特性的色度、飽和度來進行聚類分析，會獲得比較好的效果。 彩色空間 (RGB)轉(zhuǎn)換到 HSV空間的轉(zhuǎn)換公式參見下式 ]8[ ： 3 BGRI ??? （ ） ??? ??? GB ,360 GB ,0 ??H （ ） ]),m in([1 I BGRS ?? （ ） 其中， })])(()[( )]()[(2/1a rc c os { 2/12 BRGRGR BRGR ???? ?????。 膚色模型建立的步驟：對于一幅被檢測的彩色圖像，首先將 它由 RGB空間裝換到 YCbCR色彩空間，然后根據(jù) (Cb,Cr)值，通過式 ()計算該值所對應(yīng)的膚色似然度，并且得到整幅圖像的最大膚色似然度。再根據(jù)選定的閾值得到其二值化圖像。如圖 ： 原始圖像 膚色似然圖像 二值化圖像 圖 膚色分割圖像 膚色分割后，得到一系列的膚色連通區(qū)域，本文采用橢圓準(zhǔn)則來檢測