类肤色背景下的人脸追踪改进算法

摘要：

针对人脸追踪过程中,基于目标色彩特征的CamShift(continuously adaptive mean-shift)算法受类肤色背景干扰所导致的搜索框偏移及尺寸异常问题,提出了一种结合肤色分割及追踪监测机制的人脸追踪改进算法.在YCbCr色彩空间的Cb、Cr分量内采用非参数肤色分割模型及SVM(support vector machines)构建特定于当前视频序列的联合肤色分割模型,以由粗至细的方式去除视频帧中类肤色背景.随后,在Cr分量内构建CamShift算法色彩直方图并进行人脸追踪.考虑在追踪过程中,当场景或光照强度改变时易出现的联合肤色分割模型及CamShift算法色彩直方图失效问题,采用拉依达准则(pauta criterion)判断追踪窗口内Cr分量均值的异常,当监测到异常值时即判定当前视频帧人脸追踪失败,使用Adaboost(adaptive boosting)算法构建的人脸检测器进行人脸复检并重构CamShift算法色彩直方图及联合肤色分割模型.在OTB-2015目标追踪数据集中进行测试,实验结果表明,所提算法在类肤色背景下相比原始CamShift算法对人脸目标的追踪精度更高;相比近几年的追踪算法则在具有良好追踪精度的同时速度优势明显.

关键词：人脸追踪、肤色分割、支持向量机、CamShift、异常值检测、AdaBoost

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;公安部重点实验室开放课题项目

在线出版日期：2022-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：205-217