meanshift算法的人脸主动跟踪在视频监控系统中的应用(源码)【字数：14461】
近年来，目标跟踪技术逐渐成为计算机视觉领域的一个越来越重要的研究方向，而逐步完善的社会公共安全体系，给视频监控系统提出了更高的要求。在交通路口、公共场所、社区居民等场景，我们经常需要对目标进行实时的检测追踪，传统监控系统要求监控人员要不停监视屏幕，监控效率低并且造成资源浪费，因此，我们有必要找到一种人脸主动跟踪算法并将之应用在视频监控系统中。本文提出了一种将HAAR特征和adaboost分类器结合的人脸检测方法，首先利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器。分类器训练完以后，就可以应用于视频中并检测到人脸。在人脸检测的基础之上，我们使用Mean Shift算法及改进的Camshift算法，实现了人脸跟踪，并进一步与Kalman相结合，实现快速人脸跟踪。 关键词HAAR特征 adaboost 人脸检测 人脸跟踪 MeanShift
目录
第一章 绪论 1
1.1 引言 1
1.2 人脸跟踪研究的背景和意义 1
1.3 国内外研究现状 2
1.4 论文的内容概要 4
第二章 人脸检测和跟踪相关的算法和原理 6
2.1 系统开发工具 6
2.1.1 opencv3.0 6
2.2 HAAR特征 6
2.3 adaboost分类器 7
2.4 算法流程图 8
2.5 实验结果 9
2.6 小结 9
第三章 基于Mean Shift的人脸跟踪算法 10
3.1 Mean Shift原理 10
3.1.1 简介 10
3.1.2 核函数 10
3.1.3 Mean Shift向量 11
3.1.4 Mean Shift过程 13
3.2基于Mean Shift人脸跟踪 14
3.2.1 模型建立 14
3.2.2 相似性函数 15
3.2.3 追踪定位 15
3.3 CamShift算法 16
3.3.1 CamShift算法原理 16
3.3.2 CamSh *好棒文|www.hbsrm.com +Q: #351916072#
ift算法优缺点分析 17
3.4 实验结果 18
3.5 小结 19
第四章 快速运动的人脸跟踪算法 20
4.1 基于Kalman滤波器的运动预测 20
4.1.1 离散Kalman滤波器 20
4.1.2 Kalman的运动预测 21
4.2 Kalman与Mean Shift相结合的人脸跟踪 23
4.2.1 Kalman与Mean Shift相结合 23
4.2.2 Kalman与Mean Shift算法流程图 24
4.2.3. 遮挡问题处理 25
4.2.4 目标跟踪算法步骤 25
4.2.5 实验结果分析 26
4.3 小结 26
第五章 总结与展望 27
5.1 本文主要工作 27
5.2 对未来工作的展望 27
致谢 29
参考文献 30
第一章 绪论
1.1 引言
计算机视觉在一开始是模式识别的一个支流，但是现在，早已经独立发展。在五十年代，属于模式识别，主要研究二维图像方面的工作；六十年代，随着计算机的发展，他不仅仅局限于二维的研究，更是在三维结构方面有着对于空间和形状方面的描述；七十年代，他被应用于视觉系统方面，更多在医学、工业、航空航天、地理、交通方面有了很大的发展。
智能视频监控系统作为一个重要的研究方向，在很大程度上区别于传统的监控系统。它非常的智能化，那些传统上的需要人工分析，人工识别，人工跟踪的行为，都可以在机器上实现自动的分析实现，并且对异常情况进行处理。
人脸作为人体的一个重要的信息资源库，在视频监控领域占有重要的地位。基于这些信息，我们可以得到很多有价值的信息并且加以利用，因此，发展人脸识别和跟踪是必要的。
1.2 人脸跟踪研究的背景和意义
人脸识别是我们进行社交活动的第一步，我们人类通过眼睛可以获取到很多人脸信息并进行活动，正是因为我们的人脸信息如此之多，才不容易被假装或盗窃，因此，视频监控中着重研究人脸跟踪是很有必要的。
二十世纪六七十年代，人脸检测现世，当时，我们还只能对背景简单的静态图片进行简单的人脸检测，很多中间工作，都离不开人工的帮助，因此，人脸检测在早期发展并不是很迅速，甚至一度到达夭折的边缘。
到了二十世纪九十年代，由于电子计算机的高速发展，原本的人脸检测系统已经远远不能满足对于发展的需求。高速发展的需求和技术发展迟缓的矛盾日益突出，因而，这一系列矛盾逐渐引起了国内外研究者的广泛重视，并且，高性能计算机的发展为人脸检测的研究提供了硬件支持，在如此的形势下，人脸检测被重视并成为一个重要独立的课题得到高速发展。人脸检测算法层出不穷，终于进入的现在的自动检测时代。
相比较人脸检测，人脸跟踪发展更为迟缓，但是，九十年代，人脸跟踪也被提上发展日程，出现了像基于肤色信息、基于人脸局部特征、基于统计信息的方法等的人脸跟踪方法。
跟踪运动目标过程的稳定性和准确度以及视频监控系统的性能，都会受到运动目标跟踪算法好坏的影响，所以，我们要找到一种好的目标跟踪算法依然很难。当目标运动时，会产生运动形变，周围环境变得更为复杂以及运动遮挡等的问题，对人脸跟踪带来了很大的问题，所以，研究一种高性能，实用的智能监控系统是特别有必要的。
1.3 国内外研究现状
视频监控系统的应用前景特别广泛，并且经济价值非常高，国内外广大的科研工作者都为之产生了浓厚的兴趣，在英美等发达国家，为此建立了非常多相关的研究。在英美国家，从很早就就开始进行视频监控中的运动目标检测与跟踪的理论研究和应用，并且国家也愿意投入巨大的人力、物力、财力来进行研究。二十世纪末期，卡内基梅隆大学和麻省理工等高校一起参加，由美国国防高级研究部门进行了一个新的视觉监控项目叫Visual Surveillance and Monitoring（VSAM），这个主要就是研究高端层次的视频技术，并且应用到军民场景中，解决了很多在恶劣、危险中人类不能完成的视频监控，这些研究受到了军方、警方及大公司的重视和自足，发展迅速；美国曾经在2014年开发了新一代的“空间篱笆”系统，这个系统最大的优点就是可以跟踪数量更多、体积更小的物体。
在国内，视频监控领域研究相比于国外来说，在理论和实践上都有所不及。在1986年，我国正式针对视频跟踪技术进行项目确立。但为了赶上国际发展，在中科院自动化研究所、国家863计划计算机软硬件技术主题、中国自动化学会以及国家自然科学基金委员会的共同支持下，我国举办了“全国智能视觉监控学术会议”。清华大学、同济、交大等都在一定程度上取得了不错的成果，很多优秀的企业像大华等，在监控行业都取得了令人瞩目的成就，很多城市的安防产品都是他们的。
目录
第一章 绪论 1
1.1 引言 1
1.2 人脸跟踪研究的背景和意义 1
1.3 国内外研究现状 2
1.4 论文的内容概要 4
第二章 人脸检测和跟踪相关的算法和原理 6
2.1 系统开发工具 6
2.1.1 opencv3.0 6
2.2 HAAR特征 6
2.3 adaboost分类器 7
2.4 算法流程图 8
2.5 实验结果 9
2.6 小结 9
第三章 基于Mean Shift的人脸跟踪算法 10
3.1 Mean Shift原理 10
3.1.1 简介 10
3.1.2 核函数 10
3.1.3 Mean Shift向量 11
3.1.4 Mean Shift过程 13
3.2基于Mean Shift人脸跟踪 14
3.2.1 模型建立 14
3.2.2 相似性函数 15
3.2.3 追踪定位 15
3.3 CamShift算法 16
3.3.1 CamShift算法原理 16
3.3.2 CamSh *好棒文|www.hbsrm.com +Q: #351916072#
ift算法优缺点分析 17
3.4 实验结果 18
3.5 小结 19
第四章 快速运动的人脸跟踪算法 20
4.1 基于Kalman滤波器的运动预测 20
4.1.1 离散Kalman滤波器 20
4.1.2 Kalman的运动预测 21
4.2 Kalman与Mean Shift相结合的人脸跟踪 23
4.2.1 Kalman与Mean Shift相结合 23
4.2.2 Kalman与Mean Shift算法流程图 24
4.2.3. 遮挡问题处理 25
4.2.4 目标跟踪算法步骤 25
4.2.5 实验结果分析 26
4.3 小结 26
第五章 总结与展望 27
5.1 本文主要工作 27
5.2 对未来工作的展望 27
致谢 29
参考文献 30
第一章 绪论
1.1 引言
计算机视觉在一开始是模式识别的一个支流，但是现在，早已经独立发展。在五十年代，属于模式识别，主要研究二维图像方面的工作；六十年代，随着计算机的发展，他不仅仅局限于二维的研究，更是在三维结构方面有着对于空间和形状方面的描述；七十年代，他被应用于视觉系统方面，更多在医学、工业、航空航天、地理、交通方面有了很大的发展。
智能视频监控系统作为一个重要的研究方向，在很大程度上区别于传统的监控系统。它非常的智能化，那些传统上的需要人工分析，人工识别，人工跟踪的行为，都可以在机器上实现自动的分析实现，并且对异常情况进行处理。
人脸作为人体的一个重要的信息资源库，在视频监控领域占有重要的地位。基于这些信息，我们可以得到很多有价值的信息并且加以利用，因此，发展人脸识别和跟踪是必要的。
1.2 人脸跟踪研究的背景和意义
人脸识别是我们进行社交活动的第一步，我们人类通过眼睛可以获取到很多人脸信息并进行活动，正是因为我们的人脸信息如此之多，才不容易被假装或盗窃，因此，视频监控中着重研究人脸跟踪是很有必要的。
二十世纪六七十年代，人脸检测现世，当时，我们还只能对背景简单的静态图片进行简单的人脸检测，很多中间工作，都离不开人工的帮助，因此，人脸检测在早期发展并不是很迅速，甚至一度到达夭折的边缘。
到了二十世纪九十年代，由于电子计算机的高速发展，原本的人脸检测系统已经远远不能满足对于发展的需求。高速发展的需求和技术发展迟缓的矛盾日益突出，因而，这一系列矛盾逐渐引起了国内外研究者的广泛重视，并且，高性能计算机的发展为人脸检测的研究提供了硬件支持，在如此的形势下，人脸检测被重视并成为一个重要独立的课题得到高速发展。人脸检测算法层出不穷，终于进入的现在的自动检测时代。
相比较人脸检测，人脸跟踪发展更为迟缓，但是，九十年代，人脸跟踪也被提上发展日程，出现了像基于肤色信息、基于人脸局部特征、基于统计信息的方法等的人脸跟踪方法。
跟踪运动目标过程的稳定性和准确度以及视频监控系统的性能，都会受到运动目标跟踪算法好坏的影响，所以，我们要找到一种好的目标跟踪算法依然很难。当目标运动时，会产生运动形变，周围环境变得更为复杂以及运动遮挡等的问题，对人脸跟踪带来了很大的问题，所以，研究一种高性能，实用的智能监控系统是特别有必要的。
1.3 国内外研究现状
视频监控系统的应用前景特别广泛，并且经济价值非常高，国内外广大的科研工作者都为之产生了浓厚的兴趣，在英美等发达国家，为此建立了非常多相关的研究。在英美国家，从很早就就开始进行视频监控中的运动目标检测与跟踪的理论研究和应用，并且国家也愿意投入巨大的人力、物力、财力来进行研究。二十世纪末期，卡内基梅隆大学和麻省理工等高校一起参加，由美国国防高级研究部门进行了一个新的视觉监控项目叫Visual Surveillance and Monitoring（VSAM），这个主要就是研究高端层次的视频技术，并且应用到军民场景中，解决了很多在恶劣、危险中人类不能完成的视频监控，这些研究受到了军方、警方及大公司的重视和自足，发展迅速；美国曾经在2014年开发了新一代的“空间篱笆”系统，这个系统最大的优点就是可以跟踪数量更多、体积更小的物体。
在国内，视频监控领域研究相比于国外来说，在理论和实践上都有所不及。在1986年，我国正式针对视频跟踪技术进行项目确立。但为了赶上国际发展，在中科院自动化研究所、国家863计划计算机软硬件技术主题、中国自动化学会以及国家自然科学基金委员会的共同支持下，我国举办了“全国智能视觉监控学术会议”。清华大学、同济、交大等都在一定程度上取得了不错的成果，很多优秀的企业像大华等，在监控行业都取得了令人瞩目的成就，很多城市的安防产品都是他们的。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/659.html
