计算机视觉应用实战（OpenCV）（微课版） 课件 第9章 人脸跟踪

人脸跟踪第9章0学习目标1.项目介绍2.马赛克项目原理3.马赛克项目实现附：计算机视觉应用场景学习目标 了解人脸识别和检测的算法原理； 了解人脸跟踪的算法原理； 掌握OpenCV3.0相关函数使用方法，综合运用实现人脸跟踪项目。学习目标1.项目介绍人脸跟踪技术作为计算机视觉的一个重要研究方向，一直以来都是行业热点，从人脸对齐、人脸检测、到人脸识别、再到人脸跟踪，无不具有广泛的应用前景。本项目主要实现了一个简单的人脸跟踪系统，系统主要实现了在人脸检测的基础上从人脸检测模式切换到人脸跟踪模式进行人脸跟踪的功能。人脸窗口初始化是人脸跟踪的前提，通过人脸检测定位出人脸跟踪的初始化窗口，人脸跟踪实现了对从当前帧获取到的人脸进行跟踪的功能。通过本项目的学习，能够掌握人脸识别和检测以及人脸跟踪的算法原理，并能够综合运用OpenCV3.0的相关函数实现人脸跟踪功能，提高计算机视觉项目开发能力。1.项目介绍2.人脸跟踪原理在视频中进行人脸跟踪的关键问题是如何在环境光线、人体姿态、遮挡物等诸多变化中对人脸实现持续、稳定的跟踪。跟踪和检测是分不开的，跟踪能够加快算法的检测速率，而检测能够提高算法的准确性，人脸跟踪算法需要结合着两者的优点，将跟踪和检测有机结合在一起。人脸跟踪原理基于特征匹配的跟踪不考虑所跟踪目标的整体特征，即不关心该目标是什么这个问题,仅仅通过目标物体的一些个体特征来进行跟踪。由于图像序列间的采样时间间隔通常很短,可以认为这些个体特征在运动形式上具有平滑性,因此可以通过这些个体特征来完成目标物体的跟踪过程,进而充分利用空间位置相对不变的影像特征,提取出该帧图像和参考图像的特征量,然后按照一种或几种相似性度量对二者进行比较。如果该帧图像的特征集和参考图像的特征集之间,在给定的约束条件下,满足距离最小的原则,则该物体为跟踪的目标。2.1基于特征匹配的跟踪基于区域匹配的跟踪,是把图像中目标物体的连通区域的共有特征信息作为跟踪检测值的一种方法。在连续的图像中可以采用多种区域信息,例如纹理信息,颜色信息等等。该方法不需要在序列图像的下一帧中找到同上一帧图像中完全相同的特征信息,通常情况下通过计算获取区域和原始目标物体之间的相关性来判断跟踪物体的位置。如果检测获取区域同上一帧的相关系数越大,那么越有可能是同一个区域。基于区域的跟踪可以选用根据整个区域(如运动、纹理特性)提供的单一特征信息来实现跟踪,由于在实际跟踪过程中单一的特征往往不太好选择,也可以采用目标物体的多个特征进行跟踪。2.2基于区域匹配的跟踪基于模型匹配的跟踪算法是通过建立模型的方法来表示需要跟踪的目标物体,然后在序列图像中跟踪这个模型来达到跟踪的目的。早期在这个领域内的研究主要集中在刚性物体的模型匹配上,对于刚性物体或者近似于刚性的物体在大多数情况下,其运动状态变换主要是平移、旋转和仿射运动,可以通过采用计算相关匹配或者是通过Hough变换的方法来获取图像在下一帧的位置。2.3基于模型匹配的跟踪3.基于OpenCV的人脸跟踪实现人脸窗口初始化是人脸跟踪的前提，通过人脸检测定位出人脸跟踪的初始化窗口，后续的人脸跟踪将对该初始化窗口进行跟踪，在人脸跟踪的过程中，根据人脸检测来修正跟踪过程中累积的误差，对跟踪结果进行修正。3.1人脸检测功能实现人脸跟踪和人脸检测是相互紧密联系的。通过AdaBoost人脸分类器来进行人脸检测生成人脸初始化窗口，又根据人脸肤色这一显著的特征对人脸图像进行肤色检测，使检测结果更加可靠。3.2检测模式和跟踪模式的切换见教材相关代码3.3跟踪器的实现3.4人脸特征点定位实现见教材相关代码应用场景：自动驾驶汽车自动驾驶汽车自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。汽车自动驾驶技术包括视频摄像头、雷达传感器以及激光