The invention discloses a face tracking method of compressed sensing based on appearance model, has the following advantages: 1) detected by AMM to make up for the defects (sparse) particle filter tracking, the tracking efficiency, reduce the probability of loss of important information; 2) through the analysis of fitting results of the predicted result of AMM and after tracking, the appearance parameters real-time updating of the model and the appearance of new Haar feature to train the classifier, the tracking efficiency improved significantly and reduce the complexity of the algorithm; 3) to solve in the face tracking and face closed illumination by sparse representation, can show better textures. Which were detected by AMM, make full use of the face information, and by reducing the dimension reducing algorithm complexity. The invention provides a face tracking system based on the compressed perception appearance model, which has the same beneficial effect of the face tracking method.
【技术实现步骤摘要】
一种基于压缩感知外观模型的人脸跟踪方法及系统
本专利技术涉及人脸识别和跟踪领域,具体涉及一种基于压缩感知外观模型的人脸跟踪方法。
技术介绍
随着科学技术的发展,人脸识别技术以及跟踪技术日益成熟,通过一给定的人脸图像,在一段包含该人脸的视频中可以对其进行跟踪并定位,从而达到智能计算机进行人脸识别及追踪的目的。在当今社会中,人脸追踪技术运用于各个领域,实现了事件追溯的智能化。诸如:对监视视频进行筛选,实现犯罪嫌疑人追踪及证据搜集;摄像时用矩形框对人脸进行定位,提高拍摄的清晰度;通过追踪人脸实现狙击的定位等。现有技术中,提供了多种人脸追踪的技术,具体如下:1)基于AMM的人脸检测技术,通过外观模型模拟出需要跟踪的人脸,并与视频图像中的人脸进行全方位的比对,找出该视频中配对的人脸;2)稀疏粒子滤波跟踪框架技术,对需要跟踪的人脸以及视频图像中的人脸进行降维处理,并且通过相同人脸的多方位矩形框进行人脸跟踪;3)粒子滤波跟踪框架技术,直接通过矩形框相同人脸的多方位矩形框进行人脸跟踪。现有技术的不足之处在于,1)AMM没有充分利用人脸的信息:仅能表现人脸的外型特征,无法很好的表现人脸的纹理特征,在出现光线变化的情况时无法很好的对人脸进行跟踪,并且算法较为复杂;2)(稀疏)粒子滤波跟踪的效率不高,容易出现人脸漏跟踪的情况,有可能导致重要信息的丧失;3)无法实时更新外观模型的外观参数,然后根据新的haar特征训练分类器,导致过多的重复运算以及对跟踪效率造成一定影响。
技术实现思路
本专利技术的目的是提供一种基于压缩感知外观模型的人脸跟踪方法及系统,以解决AMM无法很好表现纹理特征 ...
【技术保护点】
一种基于压缩感知外观模型的人脸跟踪方法,其特征在于,包括以下步骤:在AMM中通过目标对象确定一人脸模型,根据所述人脸模型在输入的前一帧视频图像中检测获得人脸位置;根据所述人脸模型在所述人脸位置上提取特征点,并通过例子滤波计算所述特征点附近的一个单位矩形框内的类haar特征,据其进行分类器的训练;通过训练后的分类器预测后一帧视频图像中的人脸位置,并通过AMM中的外观模型对其进行人脸拟合;对预测结果和拟合结果进行相似度分析,并根据分析结果对所述人脸模型的外观参数进行更新。
【技术特征摘要】
1.一种基于压缩感知外观模型的人脸跟踪方法,其特征在于,包括以下步骤:在AMM中通过目标对象确定一人脸模型,根据所述人脸模型在输入的前一帧视频图像中检测获得人脸位置;根据所述人脸模型在所述人脸位置上提取特征点,并通过例子滤波计算所述特征点附近的一个单位矩形框内的类haar特征,据其进行分类器的训练;通过训练后的分类器预测后一帧视频图像中的人脸位置,并通过AMM中的外观模型对其进行人脸拟合;对预测结果和拟合结果进行相似度分析,并根据分析结果对所述人脸模型的外观参数进行更新。2.根据权利要求1所述的人脸跟踪方法,其特征在于,所述分类器为朴素贝叶斯分类器。3.根据权利要求1所述的人脸跟踪方法,其特征在于,计算得到类haar特征还包括以下步骤:根据所述人脸模型在所述人脸位置上提取特征点,并通过例子滤波计算所述特征点附近的一个单位矩形框内的类haar特征;对类haar特征进行稀疏表达,完成降维处理,稀疏矩阵为,其中N表示人脸特征点模型的特征点的个数。4.根据权利要求1所述的人脸跟踪方法,其特征在于,在AMM中通过目标对象确定一人脸模型包括以下步骤:选定一人脸作为被检测/跟踪的目标对象;通过AMM中的外观模型对所述目标对象进行拟合,获得人脸模型。5.根据权利要求1所述的人脸跟踪方法,其特征在于,检测获得人脸位置包括以下步骤:获取所述人脸模型的矩形框,并以帧为单位在前一帧视频图像中搜索到相应的人脸矩形框;根据所述相应的人脸矩形框得到前一帧视频图像中...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。