一种基于视频流的人脸跟踪识别方法技术

本发明专利技术涉及模式识别技术领域，尤其涉及一种基于视频流的人脸跟踪识别方法，通过获取视频样本，对视频中连续的帧图像，进行预处理；通过人脸检测模块定位经预处理后的帧图像中的人脸位置并将其作为人脸跟踪的初始跟踪窗口；跟踪算法在camshift算法的基础上，结合Adaboost算法，采用了形态学方法、目标状态预测以及帧间差分法，解决了传统camshift算法的初始跟踪窗口需手动选取，无法适应目标高速运动、复杂背景、遮挡等复杂情况。最后通过一种加权平均脸和二维主成分分析特征空间相结合的改进人脸识别算法，减少了类内人脸特征的差异性，提高了人脸识别的准确性。

A method of face tracking and recognition based on video stream

The invention relates to the technical field of pattern recognition, in particular to a face tracking and recognition method based on video stream, in which a continuous frame image in the video is preprocessed by acquiring a video sample, and the face position in the preprocessed frame image is located by a face detection module as the initial heel of face tracking. Based on the CAMSHIFT algorithm and the Adaboost algorithm, the tracking algorithm adopts morphological method, target state prediction and inter-frame difference method, which solves the problem that the initial tracking window of the traditional CAMSHIFT algorithm needs to be selected manually, and can not adapt to the complex situation of high-speed movement, complex background, occlusion and so on. Finally, an improved face recognition algorithm based on weighted average face and two-dimensional principal component analysis feature space is proposed, which reduces the difference of face features within the class and improves the accuracy of face recognition.

【技术实现步骤摘要】
一种基于视频流的人脸跟踪识别方法
本专利技术涉及模式识别
，尤其涉及一种基于视频流的人脸跟踪识别方法。
技术介绍
人脸包含着许多复杂的细节信息，通过观测人脸，可以直观地了解很多对象信息。伴随着生物识别技术的蓬勃发展，人脸跟踪识别逐渐成为了一种有效的、安全的生物身份认证手段。目前已被广泛应用于国家公共安全、司法领域、人机交互、广电行业等方面，有着广阔的应用前景。目前大部分主流的识别系统多数采用静态图像作为识别的输入元素，对于视频流中动态的人脸识别依然是一项重要的研究课题。然而，在实际中，人脸所处于的不同场景、不同光照等不确定事件都会影响到人脸的检测，从而影响人脸识别。此外，在视频流中人脸的快速移动和目标遮挡、干扰的处理也为人脸跟踪识别技术带来一定的挑战。因此，一方面，需要提高或者是预处理图像的效果；另一方面，改进相应的跟踪识别算法。现有的人脸跟踪识别技术主要采用Adaboost人脸检测算法理论与基于肤色信息进行运动跟踪的camshift算法。而camshift算法存在需要手动选取初始跟踪窗口，无法适应视频流中目标高速运动、目标遮挡和复杂背景下的跟踪。专利技术内容为了克服上述现有技本文档来自技高网...

【技术保护点】
1.一种基于视频流的人脸跟踪识别方法，其特征在于：包括如下步骤：步骤a：获取视频样本，对于视频中连续的帧图像进行预处理；步骤b：通过人脸检测模块定位经预处理的帧图像中的人脸位置，并将人脸位置作为人脸跟踪的初始跟踪窗口；步骤c：人脸跟踪模块通过人脸跟踪的初始跟踪窗口，由跟踪算法进行人脸跟踪，获取人脸头像；步骤d：识别模块对步骤c中获取的人脸头像进行识别，然后进行特征提取并录入人脸特征数据库；步骤e：识别模块将步骤d中提取的特征与人脸特征数据库中的特征进行匹配，从而识别人脸。

【技术特征摘要】
1.一种基于视频流的人脸跟踪识别方法，其特征在于：包括如下步骤：步骤a：获取视频样本，对于视频中连续的帧图像进行预处理；步骤b：通过人脸检测模块定位经预处理的帧图像中的人脸位置，并将人脸位置作为人脸跟踪的初始跟踪窗口；步骤c：人脸跟踪模块通过人脸跟踪的初始跟踪窗口，由跟踪算法进行人脸跟踪，获取人脸头像；步骤d：识别模块对步骤c中获取的人脸头像进行识别，然后进行特征提取并录入人脸特征数据库；步骤e：识别模块将步骤d中提取的特征与人脸特征数据库中的特征进行匹配，从而识别人脸。2.根据权利要求1所述的一种基于视频流的人脸跟踪识别方法，其特征在于：在步骤a中，采用归一化的直方图均衡法完成帧图像的预处理，所述归一化的直方图均衡法包括如下步骤：步骤1：分割直方图，将输入的直方图分割成多个互不重叠的子直方图；步骤2：扩展狭窄的子直方图，将狭窄的子直方图在均衡前进行全强度范围的扩展；步骤3：将狭窄的子直方图均衡到全范围，宽度子直方图保持不变；步骤4：将均衡后的多个子直方图结合产生输出图像，并对输出图像的强度级别进行归一化。3.根据权利要求2所述的一种基于视频流的人脸跟踪识别方法，其特征在于：使用Adaboost检测算法，对预处理后的帧图像进行人脸位置的检测，包括如下步骤：步骤A：对输入的人脸正例样本集和负例样本集，通过计算样本积分图得到矩形特征值，由矩形特征值获得矩形特征值集；步骤B：由矩形特征值集生成弱分类器集；步骤C：筛选弱分类器集，加权组合成强分类器集；步骤D：通过对强分类器...

【专利技术属性】
技术研发人员：李瑛莉，韩贤斌，户艳琴，袁文浩，郭晓昌，蒋超，唐卫星，毕建宇，
申请(专利权)人：苏文电能科技有限公司，
类型：发明
国别省市：江苏,32