【正文】 alysis and Machine Intelligence,1998, 20(1):3951. [7]梁路宏 ,艾海舟等 .人臉檢測(cè)研究綜述 [J].計(jì)算機(jī)學(xué)報(bào) ,2021,25(5):449458. [8]謝鳳英，趙丹培 .Visual C++數(shù)字圖像處理 [M].北京 :電子工業(yè)出版社 :6263， 9091， 239240， 250265. [9]Yang .,Huang ..Human face detection in a plex background[J].Pattern Recognition,1994,27(1):5363. [10]Han CC,Liao HY,Yu GJ,Chen face detection via morphologybased preprocessing[J].Pattern Recognition,2021,33(10):17011712. [11]Bruneli R.,Poggio T..Face recognition:features versus templates[J].IEEE Pattern Analysis and Machine Intelligence,1993,15(10):10421052. [12]Moghaddam A..Probabilistic visual learning for object representation[J].IEEE Pattern Analysis and Machine Intelligence,1997,19(7):696710. [13]Rowley ..Neural work–based face detection[D].CMUCS99117,1999 [14]Rowley .,Baluja S.,Kanade T..Neural work–based face detection[J].IEEE Pattern Analysis and Machine Intelligence,1998,20(1):2328. [15]Rowley .,Baluja S.,Kanade T..Rotation invariant neural work–based face detection[J].IEEE Vision and Pattern Recognition,1998:3944. [16], training algorithm for optimal margin classifier[J].5th ACM Workshop on Computational Learning Theory,1992:144152. [17]王志良 ,孟秀艷 .人臉工程學(xué) [M].北京 :機(jī)械工業(yè)出版社 ,2021:9094. [18]顏蔣國 ,潘立登 .基于 Gabor小波的人臉特征點(diǎn)跟蹤方法 [J].計(jì)算機(jī)應(yīng)用 ,2021,24(7):5051. [19]段鴻 ,程義民 ,王以孝 ,蔡尚書 .基于 Kanade Lucas Tomasi 算法的人臉特征點(diǎn)跟蹤方 法 [J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào) ,2021,16(3):279280. [20]楊春玲 ,倪晉麟 .基于轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法的雷達(dá)目標(biāo)跟蹤 [J].現(xiàn)代雷達(dá) ,1998,20(5). [21]馮艷 .格子基搜索算法解優(yōu)化問題的一些研究 [碩士學(xué)位論文 ][D].大連 ,大連理工大學(xué) ,2021. [22]徐林忠 .基于粒子濾波和卡爾曼濾波的復(fù)雜場(chǎng)景下視覺跟蹤 [D].浙江 ,浙江大學(xué) ,2021. [23]馮冬青 ， 丁鍇 .視頻中基于膚色 模型的人臉檢測(cè) .計(jì)算機(jī)應(yīng)用與軟件 [國家自然科學(xué)基金項(xiàng)目(60774059） ]， 2021. 。 第 5章 總結(jié) 人臉檢測(cè)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(shí)現(xiàn)通用的人臉檢測(cè)與跟蹤方法還不現(xiàn)實(shí)。在灰度空間中設(shè)定自動(dòng)閾值可以得到如圖 圖 圖 眼部特征檢測(cè) 初級(jí)處理后的二值圖像除臉部外，還有其他部位如手、胳膊、頸部等也顯示出來了。與原圖 (如圖 )比較可發(fā)現(xiàn)膚色部位已經(jīng)可以很容易地分辨出來。 圖像中由于光照影響，部分區(qū)域轉(zhuǎn)化為 YCbCr空間時(shí)，人臉膚色聚類性變差，簡(jiǎn)單來說既是從背景中提取人臉能力變差。顏色空間指某個(gè)三維顏色空間中的一個(gè)可見光的子集，它包含某個(gè)色彩域的所有色彩。現(xiàn)在我們來實(shí)現(xiàn)膚色模型視頻中 的人臉檢測(cè)定位，其算法流程圖如下： 采 集 視 頻圖 像 差 分 及 二 值 化運(yùn) 動(dòng) 區(qū) 域 進(jìn) 行 膚 色 檢 測(cè)是 否 有 運(yùn) 動(dòng) 區(qū) 域眼 特 征 檢 測(cè)是 否 包 含 眼 特 征在 圖 中 標(biāo) 示 不 標(biāo) 示是否是否 圖 視頻中人臉檢測(cè)算法流程 ]23[ 圖像差分 —— 運(yùn)動(dòng)目標(biāo)提取 背景差分法是利用當(dāng)前圖像與背景圖像的差分來識(shí)別出運(yùn)動(dòng)目標(biāo)的方法。 cvRectangle(pFrame,cvPoint(,),cvPoint(+,+),color,12)。同理，再依次從左往右進(jìn)行掃描，記下人臉的左右邊界為 x1， x2。 圖 該圖中所描繪的區(qū)域可以用下列不等式組表達(dá) ： 不等式組一： ?? tan1 ???????? )( )(VCrUCb? ? 且 43? 22 )()( CrCb ? ? 78 （ ） 不等式組二： ? ? tan1 ???????? )( )(VCrUCb? ? 且 0? 22 )()( CrCb ? ? 70 （ ） 但是在程序中我們并沒有這么來進(jìn)行閾值化，而是通過 Cr和 Cb兩個(gè)分量來實(shí)現(xiàn)閾值化分割人臉區(qū)域的，經(jīng)過多次試驗(yàn)，我們發(fā)現(xiàn) Cr和 Cb滿足下面的式子就可以很好的分割出人來區(qū)域了，式子 如下： Cr≤ 173且 Cb≤ 144 () 即： Cr 在 150附近取值， Cb 在 120 附近取值，在實(shí)現(xiàn)中，我們可以嘗試最佳分割閾值，為式子 (6)。因此，在確定人臉膚色模型時(shí)，我們可以把這種由膚色亮度值造成的差異忽略掉，即只采用膚色的色度值來確定人臉的膚色模型。而對(duì)于彩色圖像， CrCb 決定了圖像的色調(diào)， 22 )()( CrCb ?代表圖像的飽和度。其中，亮度是光作用于人眼時(shí)所引起的明亮程度的感覺，它與觀察事物的光強(qiáng)度有關(guān)；色度反映顏色的種類，是當(dāng)人眼看到一種或多種波長(zhǎng)的光時(shí)所產(chǎn)生的色彩感覺，它與光 的波長(zhǎng)有關(guān)，是決定顏色的基本特征；飽和度是指顏色的深淺程度，即各種顏色混入白光的程度。人臉檢測(cè)問題的內(nèi)涵十分廣泛，由于人臉檢測(cè)與跟蹤問題的復(fù)雜特點(diǎn)，實(shí)現(xiàn)通用的人臉檢測(cè)與跟蹤方法還不現(xiàn)實(shí)。其代表算法有： STING算法、 CLIQUE算法、 WAVECLUSTER算法。通常在貝葉斯濾波理論框架下采用狀態(tài)空間法 (State Space Approach)實(shí)現(xiàn)視覺跟蹤。 4) 基于可變形模型的人臉跟蹤 Goldenstein 和 Vogler 等人利用可變形模型和預(yù)測(cè)濾波器實(shí)現(xiàn)在劣質(zhì)圖像序列中跟蹤三維人臉。由于膚色信息對(duì)放大、縮小以及微小變形不敏感，這種方法比較容易在前一幀圖像分析結(jié)果的基礎(chǔ)上跟蹤到下一幀圖像的人臉區(qū)域，具有速度快，姿勢(shì)不變性等特點(diǎn)。參考文獻(xiàn) ]19[ 給出了一種在首幀中確定搜索特征點(diǎn)，采用改進(jìn)的 KLT算法對(duì)未加標(biāo)識(shí)點(diǎn)的人臉正面視頻圖像進(jìn)行特征點(diǎn)的跟蹤，進(jìn)而求得人臉特征點(diǎn)運(yùn)動(dòng)參數(shù)的方法。 基于特征檢測(cè)方法的人臉跟蹤 基于人臉局部特征的跟蹤方法主要思想是根據(jù)不同的人臉器官特征信息進(jìn)行器官跟蹤，這類方法經(jīng)常利用眼睛、嘴和鼻子等器官特征信息進(jìn)行跟蹤定位。 人臉跟蹤的方法 人臉跟蹤進(jìn)行動(dòng)態(tài)人臉信息處理的第一個(gè)環(huán)節(jié)，在視頻會(huì)議、可視電話、人工智能交互等方面有著重要的應(yīng)用價(jià)值。此類方法將人臉區(qū)域看作一 類模型，即模板特征，使用大量的人臉與非人臉樣本訓(xùn)練并構(gòu)造分類器，通過判別圖像中所有可能區(qū)域?qū)儆谀念惸０宓姆椒▽?shí)現(xiàn)人臉檢測(cè)。這個(gè)檢測(cè)系統(tǒng)分成三個(gè)主要步驟： (1)在原始圖像中采用諸如閉運(yùn)算、或或運(yùn)算等形態(tài)學(xué)操作定位眼睛近似物像素的位置，然后用標(biāo)記過程產(chǎn)生眼睛近似物分段。于是，可以利用一組描述 人臉的局部特征分布的規(guī)則來進(jìn)行人臉檢測(cè) (人臉局部特征之間的相對(duì)距離和位置關(guān)系 )，如果圖像滿足這些規(guī)律，則存在人臉區(qū)域。首先計(jì)算每一塊膚色區(qū)域中膚色像素的坐標(biāo)均值和協(xié)方差： ??? Ni iXN 11? （ ） TNiTiXiXNC ???? ??11 （ ） N是區(qū)域的膚色像素點(diǎn)總數(shù)， Xi為各像素點(diǎn)坐標(biāo)向量。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。 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。 基于膚色的檢測(cè)方法 膚 色方法是最通常的的方法之一，也是最容易理解的。 第 5章總結(jié) 第 6章參考文獻(xiàn) 第 2 章 人臉檢測(cè)和跟蹤的主要方法 人臉檢測(cè)的方法 人臉檢測(cè)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。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(cè)方法檢測(cè)視頻圖像中的人臉以及通過背景差分法對(duì)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)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(cè)）相結(jié)合對(duì)視頻中運(yùn)動(dòng)目標(biāo)的人臉進(jìn)行檢測(cè)與跟蹤。 (3)實(shí)時(shí)性。 人臉檢測(cè)與跟蹤的難 點(diǎn) 人臉是一類具有相當(dāng)復(fù)雜的細(xì)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。人臉識(shí)別成為繼指紋識(shí)別之后最有潛力的生物身份驗(yàn)證的手段。計(jì)算機(jī)視覺與研究人類或者動(dòng)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(jì)的方法來處理數(shù)據(jù)。 關(guān)鍵字： 人臉檢測(cè)跟蹤； 膚色建模； 二值化； Face Detection And Tracking Identification In The Video HuaJian Zhang Xiang Gong Xiaobiao （ School of Information Science amp。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)于復(fù)雜背景下的彩色圖像中的人臉正面定位和人臉轉(zhuǎn)動(dòng)一定角度后定位都有 較好效果。它既是工程領(lǐng)域，也是科學(xué)領(lǐng)域中的一個(gè)極富挑戰(zhàn)性的綜合性的學(xué)科，融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制等不同領(lǐng)域成果，吸引了來自各個(gè)學(xué)科的研究者加入到對(duì)它的研究之中。近幾年隨著社會(huì)的發(fā)展，在經(jīng)濟(jì)、安全、犯罪和軍事領(lǐng)域需要對(duì)用戶身份進(jìn)行核對(duì)，特別像銀行、海關(guān)等重要安全部門。 國內(nèi)外對(duì)于人臉檢測(cè)跟蹤的實(shí)現(xiàn)方法多種多樣，但是由于任意場(chǎng)景下的人臉準(zhǔn)確檢測(cè)和跟蹤的復(fù)雜度很高，并不存在一個(gè)適合各種實(shí)際應(yīng)用下的算法，這也就決定了當(dāng)前的人臉檢測(cè)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(yùn)動(dòng)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(duì)比度等。對(duì)目標(biāo)人臉狀態(tài)改變時(shí) (偏轉(zhuǎn)、運(yùn)動(dòng)、附屬物等 )，精確分割跟蹤。最后選取眼部特征作為條件確定人臉區(qū)域。 第 4章主要講了通過背景差分法對(duì)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)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(cè)）相結(jié)合對(duì)視頻中運(yùn)動(dòng)目標(biāo)的人臉進(jìn)行檢測(cè)與跟蹤。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(gè)人臉檢測(cè)器：首先根據(jù)圖像的顏色進(jìn)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(jìn)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[ 。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(gè)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。 HSV（色調(diào) /飽和度 /強(qiáng)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(shí)也有利于圖像處理。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(cè)每個(gè)膚色區(qū)域是否為人臉區(qū)域。例如，人眼對(duì)稱出現(xiàn)在人臉上，鼻子和嘴巴中心的連線垂直于人眼的連線，等等。 ChinChuan Han等 ]