【正文】 別系統(tǒng)，致力于精確實時地對彩色視頻中的人臉圖像檢測跟蹤，并可以將跟 蹤到的人臉圖片傳輸?shù)阶R別端進行身份識別。這套系統(tǒng)完成了對多人臉的跟蹤效果，可廣泛的應(yīng)用于各種安防系統(tǒng)之中如： ATM 機監(jiān)控系統(tǒng)，門禁系統(tǒng)等 。由此可見視覺信息對人類的重要性，而人類獲取視覺信息的主要途徑來自于對圖像的處理。人臉檢測的目的是自動確定輸入圖像中是否存在人臉，并給出人臉的個數(shù)、位置、大小等參數(shù)。同時，序列圖像中運動場景的快速分割、人臉面部的非剛性運動、人臉自遮擋和目標之間互遮擋的處理等也為人臉的跟蹤帶來了一定的挑戰(zhàn)，人臉的檢測與跟蹤技術(shù)涉及到模式識別、圖像處理、計算機視覺、人工智能等學科知識。因此，人臉跟 蹤與識別作為相關(guān)研究領(lǐng)域的關(guān)鍵技術(shù)，近年來已成為 機視覺方面的一個重要研究課題及備受關(guān)注的前沿方向。同時它也成為眾多國內(nèi)外學術(shù)會議和專題討論的主題：如 IEEE PAMI2021年 8月期上就有一個關(guān)于視覺監(jiān)控的專題； 2021年 10月 IEEE舉行了第 3代視覺監(jiān)控國際專題討論會；中國科學院自動化所分別 在 2021 年與 2021 年主辦了全國智能視覺監(jiān)控學術(shù)會議。在歐洲，歐盟 EULTR(EuropeanUnion LongTermResearch)資助比利時 Katholieke 大學的電子工程系、法國國家計算機科學和控制研究院 INRIA等歐洲著名的大學和研究機構(gòu)聯(lián)合研究為警察、法庭等司法機關(guān)提供基于圖像處理的監(jiān)控系統(tǒng)。在國內(nèi)，已有許多高 等院校和研究機構(gòu)在智能視頻監(jiān)控領(lǐng)域投入了相當?shù)难芯烤Γ?，上海交通大學、清華大學【 6。《自動化學報》在 2021 年 5 月出版了一期視覺監(jiān)控?？?。目標跟蹤識別的實質(zhì)是通過對圖像傳感器拍攝到的視頻序列進行分析，計算出目標在每幀圖像中的位置、大小和運動速度并識別其身份。 1． 3相關(guān)理論基礎(chǔ)與應(yīng)用領(lǐng)域 由以上章節(jié)可知當前人臉方面的研究已經(jīng)呈現(xiàn)一片欣欣向榮之勢，對人臉的 研究涵蓋了模式識別、圖像處理、計算機視覺以及人工智能等各方面的知識內(nèi)容。在人臉識別中， 如果是個體識別，則每個人是一個模式，預(yù)先存在數(shù)據(jù)庫里的圖像就是樣本；如果是性別識別、種族識別和年齡識別，則不同的性別、種族或年齡分別構(gòu)成一個模式：如果把圖像中的每個子圖都看作一個模式，則面部檢測也是一個模式識別的問題，要求正確地把每個子圖模式歸入到人臉區(qū)域類或非人臉區(qū)域類。 聚類分析：當沒有樣本來訓練分類器時，要求分類器能根據(jù)樣本間的相似程 度自動分類。 計算機視覺 視覺是人類獲取信息的主要來源，也是適應(yīng)復雜環(huán)境的感知基礎(chǔ)。計算機視覺【 9】 是一門用計算機來實現(xiàn)人的視覺功能，實現(xiàn)客觀三維世界的識別的學科。 1． 3． 2應(yīng)用領(lǐng)域 視頻會議：視頻會議【 1o】是利用通信網(wǎng)以及電視實況方式召開的會議。人臉的跟蹤識別是視頻會議中的關(guān)鍵技術(shù)之一。例如芝加哥大學開發(fā)的用于在萬維網(wǎng)上搜索圖像的影像搜索引擎 Webseer，就使用了基于神經(jīng)網(wǎng)絡(luò)的人臉檢測作為搜索引擎的一部分。然而人們期望計算機智能化，能夠以自然的方式與人進行交流。人臉門禁系統(tǒng)是一種基于人臉識別技術(shù)的新型訪問控制系統(tǒng)，將具有訪問權(quán)限的訪問者的人臉信息存放在人臉數(shù)據(jù)庫中，對人臉信息進行學習訓練。隨著電子技術(shù)水平的提高，家庭娛樂會得到廣泛的應(yīng)用，其中關(guān)鍵技術(shù)之一也是人臉的檢測跟蹤?？蛻舳擞袛z像機，負責對進入攝像機視野范的目標進行人臉檢測，如果有人臉目標出現(xiàn)則對其進行實時跟蹤；在這個過程 第二章人臉檢測識別方法 人臉檢測問題最初來源于人臉識別。但隨著開發(fā)實際系統(tǒng)需求的日漸提高，人們要求在復雜背景下實時地進行人臉檢測，這種 假設(shè)下的研究不再能滿足需求，由此所面臨的一系列問題使得人臉檢測開始作為一個獨立的課題受到研究者的重視。 人臉檢測問題包含的內(nèi)容十分廣泛，從不同的角度有不同的分類方法。簡單背景即背景比較單一，和人臉的相似程度較小比較容易區(qū)分。而對于視頻序列中的人臉檢測，研究者們更側(cè)重于檢測速度的提高，以適應(yīng)實時的要求。它主要采用了模式識別領(lǐng)域的一些進展，將人臉區(qū)域看作是一類模 式，即模板特征，使用大量的人臉與非人臉樣本訓練構(gòu)造分類器，通過判別圖像中所有可能區(qū)域?qū)儆谀念惸Ｊ降姆椒▽崿F(xiàn)人臉的檢測，實際上人臉檢測問題被轉(zhuǎn)化為統(tǒng)計模式識別的二分類問題。為了描述物體的點對稱性，有學者提出了廣義對稱變換方法，用檢測局部對稱性強的點來進行人臉器官定位。例如人的兩 個眼睛總是對稱的分布在人臉的上半部分，鼻子和嘴唇中心點的連線基本與兩眼之間的連線垂直等。 膚色區(qū)域分割與人臉驗證結(jié)合法 對于彩色圖像的人臉檢測，首先可以建立一個合適的膚色模型 20‘ 21】進行膚色檢測。 Yoo等利用膚色像素 的連通性分割出區(qū)域，使用橢圓擬合各個區(qū)域，根據(jù)橢圓長短軸的比率判斷其是否為人臉。 24j兩種。固定模板，這種方法是將人臉用一組獨立的器官模板表示，如眼睛模板、嘴巴模板、鼻子模板、眉毛模板以及下巴模板等，通過檢測這些器官模板來定位人臉。很難設(shè)計一種通用的模板方法來表征人臉的共性。能量函數(shù)要根據(jù)圖像的灰度信息，被檢測物體輪廓等先驗知識來設(shè)計。但其缺點也相當明顯，就是檢測前必須根據(jù)待檢測物體的形狀來設(shè)計彈性模板的輪廓，否則會影響收斂 的結(jié)果。 Schneiderman 等提出一種基于后驗概率估計的人臉檢測方法，該方法利用貝葉斯原理將后驗概率估計轉(zhuǎn)化為一個似然度求解 問題，將難以估計的先驗概率和后驗概率用一個比率參數(shù)代替，作為調(diào)節(jié)檢測器敏感度的參量。另一種概率模型是用于描述信號統(tǒng)計特性的隱馬爾可夫模型 (Hidden MarkovModels． HMM)，目前也被應(yīng)用于人臉檢測和識別。此外還有 Meng[2‘ 7】等使用 HMM描述人臉的小波特征中不同級間的相關(guān)性等方法。 神經(jīng)網(wǎng)絡(luò)方法能 夠適應(yīng)較為復雜的人臉檢測，準確性也較高，所以使用神經(jīng) 網(wǎng)絡(luò)進行人臉檢測的算法比較多。它比基于經(jīng)驗風險最小化的人工神經(jīng)網(wǎng)絡(luò)方法具有更好的泛化能力。長期以來， SVM訓練需要求解計算復雜度極高的二次規(guī)劃問題，從而限制了該方法的應(yīng)用。 Adaboost 是常被應(yīng)用的人臉檢測算法。 在加入某個新的弱分類器的某次迭代中，如果一個訓練樣本已經(jīng)被正確分類，其權(quán)值就被下調(diào)，否則，其權(quán)值就要被調(diào)高，以便使下一輪的弱分類器專注于這些被錯誤分類的樣本。針對人臉檢測問題，Viola等人定義了大量矩形特征 (簡化的 Harr特征，可以從 20*20的圖像中提取數(shù)十萬的特征供挑選和組合 )。人臉識別技術(shù)作為模式識別領(lǐng)域的一個研究熱點，每年都有許多相應(yīng)的研究成果發(fā)表，并且涌現(xiàn)出各種各樣的識別方法，可以說信息處理領(lǐng)域的各種新方法的研究和算法的改進都在人臉識別中得到應(yīng)用。如果人臉的來源是一段視頻圖像，則人臉識別就屬于動態(tài)人臉識別。本文研究的人臉識別也是基于靜止圖像的。后來， Wiskott[32】提出～種基于關(guān)鍵點的圖匹配算法，稱為彈性束圖 (elastic bunchgraph)，其節(jié)點一般定位在如眼球、眼角等灰度變化劇烈，信息豐富的地方。 Wurtz【 34】研究了多分辨的情況，他假定在兩幅人臉圖中只有一部分節(jié)點有較好的對應(yīng)，一些節(jié)點根本沒有對應(yīng)節(jié)點， 它們將干擾識別。它根據(jù)圖像的統(tǒng)計特性進行的正交變換 (K． L 變換 )，以消除原有向量各個分量間的 相關(guān)性。Swets和 Wen9138】提出 PCA的基礎(chǔ)上使用 LDA(Lillear Discriminant Analysis，線性鑒別矢量 )，也稱 Fisher 臉方法【 39】。他們提出了類間差異和類內(nèi)差異度 量的概率模型和計算方法。這種做法避免了高維統(tǒng)計量計算中的組合爆炸問題，同時，還考慮了高維相關(guān)性。用采集的臉像構(gòu)造觀察向量，觀察向量和人臉的五官特征之間的關(guān)系可以用一個一維的隱 Markov模 型 (Hidden Markov Model， HMM)來表示，該模型的參數(shù)能較好地表征具體的人臉模型，在人臉識別領(lǐng)域已取得到了初步成效州。相當于將一組一維 HMM模型嵌入另外一組 HMM模型中，因為這種結(jié)構(gòu)并不是真正的二維 HMM模型，因此取名為二 維 HMM模型。 與其他