导读:本文包含了人脸跟踪论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,特征,肤色,形态学,抽样调查,上位,线性。
人脸跟踪论文文献综述
刘鹏,赖惠成,王俊南,王睿[1]（2019）在《基于相关滤波的改进Staple人脸跟踪算法》一文中研究指出在基于相关滤波的目标跟踪算法Staple的研究基础上,针对相关滤波在处理目标人脸消失、遮挡、脱离镜头时跟踪框漂移问题,本文提出一种自适应置信度机制的人脸跟踪算法.先通过人脸检测确定首帧人脸位置,再对相应位置的人脸的HOG特征与颜色特征进行提取,并预留两者特征,利用视频首帧提取的特征进行跟踪置信度判断,及时对融合特征进行更新.设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸跟踪算法.实验表明,本文改进较前人算法有较大的提升.(本文来源于《新疆大学学报(自然科学版)》期刊2019年04期）
王华,李健,丁县迎[2]（2019）在《基于Camshift算法的人脸跟踪识别系统的设计》一文中研究指出随着网络技术和视频技术的发展,图像捕捉设备成为计算机的标准外设,人脸跟踪已经不仅局限于人脸识别领域,被广泛应用于视屏会议等各个方面。基于此,笔者首先介绍了人脸跟踪的方法,并着重描述了Camshift算法的原理与优势,然后在VS2017平台上设计开发了一个基于Camshift算法的人脸检测与跟踪系统。实验表明该系统的实时性、鲁棒性良好,对于多姿态人脸、特定目标跟踪等特殊情况都具有良好的检测效果。(本文来源于《信息与电脑(理论版)》期刊2019年20期）
刘鹏[3]（2019）在《基于视频序列的目标人脸跟踪技术的研究》一文中研究指出人脸检测与跟踪技术在模式识别与计算机视觉领域里极具研究价值,在实际生活中能得到诸多应用,与人类息息相关。互联网大数据时代下,国防安全,智能视频监控,边防安检,电子商务等诸多领域都能看到人脸检测、人脸识别及人脸跟踪的影子,人脸检测与人脸跟踪作为其中关键环节,在近年来受到越来越多研究学者的重视。本文考量了人脸跟踪中特征融合阶段,设计了一个基于肤色分割的人脸检测方法与改进自适应人脸特征的Staple算法的人脸跟踪方法,详情如下:(1)通过研读大量人脸检测与人脸跟踪的文献资料,将人脸检测技术中基于先验知识的人脸检测和基于统计的人脸检测进行研究总结,将人脸跟踪方法从基于模型跟踪,基于运动信息跟踪,基于人脸局部特征跟踪,及近几年大热的基于神经网络跟踪几类方法进行研究总结。(2)针对视频序列的人脸检测问题,采用肤色概率特征的方法描述人的面部。首先,为了校正色偏,对视频首帧进行光照补偿预处理,以便提取肤色概率特征;然后,在叁个颜色空间中进行比较与筛选,选择对人脸使用亮度与色度相分离的YCbCr颜色空间,以凸显其人脸的聚类特性。利用人脸的先验特征,保留符合条件的人脸区域;最后将定位的区域在原图像里标记出来。(3)在研究基于相关滤波的Staple算法的基础上,本文提出一种存在新颖置信度机制的人脸跟踪算法,首先利用位置滤波器提取人脸检测出来的人脸区域的HOG特征,利用多颜色空间的概率模型提取人脸检测出来的人脸区域的颜色特征,并预留两者特征。HOG特征的优点是对颜色变化处理稳定,多颜色空间的概率特征优点对人脸发生空间变化时处理稳定,融合两者特征可解决大部分跟踪过程中遇到的问题,但目标人脸消失在视频区域或与其他非目标人脸重合时,可以利用视频首帧提取的的先验特征进行跟踪置信度判断,及时对融合特征进行更新。设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸检测与跟踪算法。实验表明,改进算法较前人算法有较大的提升。(本文来源于《新疆大学》期刊2019-06-03）
刘康[4]（2019）在《基于监控视频的人脸跟踪算法的研究》一文中研究指出人脸跟踪是计算机视觉中一个经典问题,其应用在很多重要领域,如视频跟踪、人机交互及表情识别等。虽然近些年人脸跟踪取得了很大的进步,但多数跟踪算法还是很容易受光照、遮挡、尺度变化等方面的影响进而导致性能的退化,要完成精准的人脸跟踪仍然是一项极具挑战的任务。根据前人研究成果,本文对传统的核相关滤波器(KCF)和外观模型进行了改进,深入研究了监控视频中的目标人脸跟踪问题,取得了以下成果:1.提出了一种多特征融合尺度自适应KCF人脸跟踪算法,旨在解决传统核相关滤波(KCF)跟踪算法无法处理人脸跟踪中的尺度变化和严重遮挡的问题。该算法首先将肤色与HOG特征进行融合来表征人脸,通过多通道相关滤波器定位人脸位置,然后学习滤波器的一维尺度以估计面部的最佳缩放。最后,通过线性插值更新滤波器系数和外观模型,实验结果表明,增强算法可以显着提高检测性能。通过定量与定性分析该算法对尺度变化,严重遮挡等问题有很好的鲁棒性,跟踪速度在36.7帧/s达到了实时应用的要求,优于近年一些优秀的跟踪算法。2.为解决人脸跟踪在不同挑战下的外观匹配问题,提出利用长时和短时外观记忆的多外观模型实现有效的人脸跟踪。首先用L2子空间的关系图表征人脸,接着利用连续帧中匹配关键点间的遗传距离来解决尺度变化,最后提出加权分值水平融合策略选出有最高融合值的候选人脸作为跟踪输出并通过遮挡检测实现模型的更新。实验证明所提算法对形变,旋转,尺度,光照和背景模糊表现出鲁棒性,性能优于一些先进的跟踪器。(本文来源于《新疆大学》期刊2019-06-03）
牛颖[5]（2019）在《协作机械臂轨迹规划及人脸跟踪方法研究》一文中研究指出随着经济水平的日益提高与工业技术的快速发展,机械臂与人交互的工作场景越发普及,协作机械臂的应用与研究已步入高速发展阶段。针对工作人员长时间以固定姿态面对电脑容易引起疲劳甚至颈椎病的问题,本文提出自适应调节电脑显示器位姿的协作机械臂系统,机械臂末端安装电脑显示器与视觉传感器,机械臂根据视觉传感器采集的人脸图像数据动作,从而调整电脑显示器的位置与姿态。在此背景下,本文对协作机械臂系统的上位机控制界面进行编程开发,设计友好的人机交互界面方便操作人员使用,并控制视觉传感器采集人脸图像数据,进行图像滤波、人脸检测和跟踪及人脸位姿估计等算法的研究,实时获取人脸的位置和姿态信息并显示在上位机界面,并将数据发送给下位机控制系统,使其驱动协作机械臂进行位姿调整,从而改变电脑显示器与操作人员的相对位置关系,实现自动调节电脑显示器位置的功能,有助于方便人们工作并缓解疲劳。本文主要完成以下工作:1.通过查阅相关论文和技术资料,总结协作机械臂的国内外研究现状,根据本文所使用的协作机械臂的机械结构和硬件控制系统,设计该机械臂的上位机控制系统方案及流程。2.确定机械臂关节模组选型,设计上位机软件。基于Visual Studio 2015软件,采用C#语言设计上位机界面,并制定上下位机通讯协议。根据该机械臂的功能要求设计上位机控制系统的串口选择界面、运动模式界面、人脸跟踪界面以及机械臂末端轨迹规划界面,使下位机能够根据上位机发送的控制指令结合通讯协议实现对机械臂的控制。3.分别使用Kinect v2传感器和ZED mini双目相机两种视觉传感器实现人脸跟踪。通过Kinect v2传感器,使用相关获取数据流的步骤和编程方法,与Emgu CV相结合,圈出脸部眼睛、鼻子和嘴区域,实现了实时读取人脸部位置坐标和人脸旋转的欧拉角。使用ZED mini双目相机获取脸部图像,经过双边滤波对图像进行预处理,检测Haar特征并使用AdaBoost级联分类器实现人脸检测,通过融合CamShift算法的TLD算法框架实现人脸跟踪,然后对左右相机的图像进行校准对齐,再使用SGBM算法进行立体匹配,从而获取人脸的位置和姿态信息,发送给下位机,驱动协作机械臂做出相应动作移动电脑屏幕,使人脸平面平行于电脑平面,方便人们工作。4.对协作机械臂末端轨迹进行轨迹规划。在笛卡尔空间坐标系对协作机械臂末端轨迹进行规划,根据具体工作要求给定关键控制点坐标,运用插补理论进行曲线插补,得到相应平滑曲线,通过用曲线段运动轨迹替代直线段运动轨迹,最终获得机械臂末端的运动轨迹。5.对协作机械臂进行功能测试,测试结果表明控制系统中各部分功能模块均能满足系统要求。(本文来源于《太原理工大学》期刊2019-06-01）
肖旭章[6]（2019）在《基于人脸跟踪识别的多摄像头调度系统的研究与实现》一文中研究指出随着科技文明的不断进步,当今社会对于安防也提出了更高的要求。视频监控作为安防工程中的重要一环,受到了越来越多研究者的重视。然而传统的视频监控系统大多仍局限于单摄像头环境下对指定区域的监控,由于视野范围有限,且不具备目标识别能力,很难对运动目标实现长时间的稳定跟踪。针对传统视频监控的不足之处,本文对人脸跟踪和多摄像头调度的实际场景进行分析,并提出相应的改进算法来解决复杂环境下的利用多摄像头进行人脸跟踪的难点问题,然后再结合人脸检测和人脸识别技术,设计实现了一个基于人脸跟踪识别的多摄像头调度系统。系统采用AdaBoost算法对视频图像中的人脸进行检测,通过LBP直方图算法将检测出的人脸与人脸库中已有人脸进行特征向量的比对,若相似度小于阈值,说明识别成功。之后,对人脸目标进行跟踪,针对传统CamShift算法在复杂背景下跟踪精度较低以及实时性较差的缺陷,系统引入FAST角点检测算法和SIFT特征描述算法对出现偏差的跟踪结果进行校正,同时提高了跟踪算法的实时性。最后,通过基于优先级的多摄像头调度算法,将摄像头对目标的跟踪效果进行量化,从中选取跟踪效果最佳的摄像头,并将其采集到的视频画面作为系统最后的输出画面。经实验测试表明,系统能够对人脸目标实现持续稳定的跟踪,具有较高的实用性。(本文来源于《北京邮电大学》期刊2019-05-31）
刘康,赖惠成[7]（2019）在《多特征融合的尺度自适应KCF人脸跟踪》一文中研究指出针对传统核相关滤波(KCF)跟踪算法在人脸跟踪中无法处理尺度变化、严重遮挡等问题,提出一种多特征融合的尺度自适应KCF人脸跟踪算法。该算法先对肤色与HOG特征进行融合来表征人脸,通过多通道相关滤波器定位人脸位置;学习一个一维的尺度滤波器来估计人脸的最优尺度;采用线性插值的方式对滤波器系数和人脸外观模型进行更新。实验结果表明,改进后的算法能明显提高跟踪的性能。通过定量与定性分析该算法对尺度变化、严重遮挡等问题有很好的鲁棒性,跟踪速度在36.7 f/s时达到实时应用的要求,优于近几年一些优秀的跟踪算法。(本文来源于《现代电子技术》期刊2019年10期）
王俊南,赖惠成,杨东旭[8]（2019）在《基于肤色分割的改进Camshift人脸跟踪算法》一文中研究指出针对Camshift算法在对人脸跟踪时,容易受到肤色背景的影响,且当跟踪环境中背景较为复杂时,易失败的问题,提出一种基于肤色分割的改进Camshift人脸跟踪算法。在YCbCr空间中进行肤色分割,提取每一帧的肤色区域,排除帧图像中非肤色背景的干扰;引入人脸几何特征,对潜在的人脸肤色区域进行约束;使用Camshift算法跟踪人脸。同时为了提高算法的性能,文中引入改进的Adaboost算法。实验结果表明,该算法对视频帧中的特定人脸可以获得出色的跟踪结果,具有实时性强、跟踪稳定的优点。(本文来源于《现代电子技术》期刊2019年10期）
韩塔娜[9]（2019）在《计算机辅助人脸跟踪调查的数据特征及应用》一文中研究指出历时跟踪调查的兴起和访谈技术的创新是中国社会科学定量研究发展的两个趋势和现象。与跨界地区的一次性抽样调查相比,历时后续调查需要在特定时间间隔收集数据。在这类调查中不但调查的方法会相对说的烦琐,并且会遇到长期的支持基金的困难问题。通过跟踪调查中使用的数据来研究社会经济发展和移民非常重要,它已成为改变中国的关键。(本文来源于《营销界》期刊2019年13期）
徐杰,郭春赫,孙超,邓湘奇[10]（2019）在《基于NTSS和压缩感知的人脸跟踪算法》一文中研究指出提出基于NTSS和压缩感知的人脸跟踪算法,采用不同的搜索半径和步长双重采样,运用NTSS搜索方法作为目标的检测方法。通过国际标准的人脸数据库AFW和MALF视频序列进行算法的测试,并使用中心距离均值算法对压缩感知算法和基于NTSS压缩感知的人脸跟踪算法进行比对,得出基于NTSS和压缩感知的人脸跟踪算法最大可降低59. 01%的误差;此外NTSS压缩感知人脸跟踪算法在人脸发生遮挡再跟踪、人脸几何变换和在暗光条件下具有较好的鲁棒性。(本文来源于《实验室研究与探索》期刊2019年03期）
人脸跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着网络技术和视频技术的发展,图像捕捉设备成为计算机的标准外设,人脸跟踪已经不仅局限于人脸识别领域,被广泛应用于视屏会议等各个方面。基于此,笔者首先介绍了人脸跟踪的方法,并着重描述了Camshift算法的原理与优势,然后在VS2017平台上设计开发了一个基于Camshift算法的人脸检测与跟踪系统。实验表明该系统的实时性、鲁棒性良好,对于多姿态人脸、特定目标跟踪等特殊情况都具有良好的检测效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸跟踪论文参考文献
[1].刘鹏,赖惠成,王俊南,王睿.基于相关滤波的改进Staple人脸跟踪算法[J].新疆大学学报(自然科学版).2019
[2].王华,李健,丁县迎.基于Camshift算法的人脸跟踪识别系统的设计[J].信息与电脑(理论版).2019
[3].刘鹏.基于视频序列的目标人脸跟踪技术的研究[D].新疆大学.2019
[4].刘康.基于监控视频的人脸跟踪算法的研究[D].新疆大学.2019
[5].牛颖.协作机械臂轨迹规划及人脸跟踪方法研究[D].太原理工大学.2019
[6].肖旭章.基于人脸跟踪识别的多摄像头调度系统的研究与实现[D].北京邮电大学.2019
[7].刘康,赖惠成.多特征融合的尺度自适应KCF人脸跟踪[J].现代电子技术.2019
[8].王俊南,赖惠成,杨东旭.基于肤色分割的改进Camshift人脸跟踪算法[J].现代电子技术.2019
[9].韩塔娜.计算机辅助人脸跟踪调查的数据特征及应用[J].营销界.2019
[10].徐杰,郭春赫,孙超,邓湘奇.基于NTSS和压缩感知的人脸跟踪算法[J].实验室研究与探索.2019
论文知识图
![本章算法，文献[57]和文献[155]算法在...](/uploads/article/2020/01/03/2d3385a71ddff5c6cf63582f.jpg)
