实时瞳孔检测与跟踪

I摘要实时瞳孔检测与跟踪是计算机视觉领域一个重要的课题，在人脸检测、人脸识别、司机驾驶行为监控、人机接口等方面具有重要应用。瞳孔检测与跟踪可分为三个阶段:人脸检测、瞳孔检测、瞳孔跟踪。近年来，科学家们在上述各个方面进行了很多研究，但这些问题仍未得到很好解决。本文试图对一些现有的人脸检测、瞳孔检测与跟踪方法进行改进，以得到一个性能良好的瞳孔检测与跟踪系统。首先，研究了不同彩色空间下不同的肤色模型。针对己有肤色模型在人脸检测中存在的不能较准确检测出皮肤、对光照条件敏感等问题，在大量实验数据基础上，建立了一种基于YCbCr色彩空间的肤色模型。实验结果表明:本文方法在不同肤色以及较大的光照变化条件下均具有较好的检测率。其次，针对基于人面部各个特征部位(眉毛、瞳孔、鼻子、嘴巴等)之间的几何结构的眼睛检测方法只考虑了特征部位相互间的相对位置信息的不足，将人脸特征部位的对称性引入该方法的评价函数中。实验证明改进后的评价体系瞳孔检测更准确。最后，将卡尔曼滤波与Mean-shift算法相结合用于瞳孔跟踪的方法，不仅提高瞳孔跟踪的准确性，还提高了跟踪速度。关键字:肤色模型，人脸几何模型，瞳孔检测与跟踪卡尔曼滤波，Mean-shift算法IIAbstractReal-timepupildetectionandtrackingtechnologyisanimportantresearchtopicincomputervisionarea.Ithasmanyapplicationsinfacedetection,facerecognition,driversmonitoring,human-computerinterfaceetc.Therearemainlythreestepsinpupildetectionandtracking:facedetection,pupildetectionandpupiltracking.Inrecentyears,manyworkshavebeendoneinthisareabutitisstillachallengingproblem.Inthispaper,somemethodstofacedetection,pupildetectionandtrackingaremodifiedtobetterperformance.Firstly,differentskinmodelsindifferentcolorspacearestudiedandanovelskinmodelinYCbCrcolorspaceisproposed,whichisinsensitivelytoilluminationchanges.Experimentalresultsindicatethatthisskinmodelperformancewellunderdifferentskincolorandvariouslightconditions.Secondly,facesymmetryisconsideredintheevaluationfunctioninthegeometricalfacemodelbasedeyesdetectionmethod.Experimentalresultsshowthattheimprovedestimationsystemworksbetterinpupildetection.Finally,KalmanfilteringandMean-shiftalgorithmiscombinedinpupiltrackingtoimprovebothtrackingaccuracyandtrackingspeed.Keywords:Skinmodel,Geometricalfacemodel,PupildetectionandtrackingKalmanfiltering,Mean-shiftalgorithmIII目录第一章绪论...........,..............................................................................................................1.1研究背景及意义.........................................................................................................1.2典型应用二....................................................................................................................1.3研究现状........................................................................................................................1.4相关理论介绍...................................................................................................................1.5图像采集系统组成，........................................................................................................1.6主要研究内容和章节安排..............................................................................................第二章基于新肤色模型的皮肤检测...........................................................................2.1常用的颜色空间.........................................................................................................2.2基于肤色模型的人脸检测研究现状...........................................................................2.3新肤色模型.................................................................................................................第三章基于改进面部几何模型的晚孔定位方法..................……...........................3.1瞳孔定位方法概述..........................................................................................................3.2基于改进面部几何模型的瞳孔检测方法.....................................................................第四章基于KALMAN滤波和MEANSHIFT算法..............................4.1I(}uuN滤波...................................................................................................................4.2M}SHIFT算法二....................................................................................................4.3算法实现........................................................................................................................4.4实验结果及分析.......................................................................................第五章总结与展望........................................................................................................5.1所做工作总结...............................................................................................................5.2未来工作展望................................................................................................................致谢.......................................................................................................................................参考文献:...........................................................................................................................第一章绪论实时瞳孔检测与跟踪技术是计算机视觉领域一个重要的研究课题，涉及到生理学、人工智能、模式识别、计算机视觉、图像分析与处理等多个学科。瞳孔检测与跟踪技术最初是随着人脸检测与跟踪，表情分析等人脸分析技术的发展而发展起来的。早在上个世纪六、七十年代提出了人脸识别(facerecognition)要求检测人脸，就伴随着瞳孔检测需求的提出。随着人脸分析技术成为研究热点，作为其基础的瞳孔检测与跟踪技术迫切需要得到很好解决。本文将对实时瞳孔检测与跟踪技术进行研究。1.1研究背景及意义实时瞳孔检测与跟踪技术的研究在公共安全保障、交通安全监控、医疗、刑侦等领域的需求越来越迫切。作为人脸检测、识别与跟踪技术的基础以及其广泛的应用前景，其研究价值是显而易见的。随着经济的发展、计算机技术以及人机交互技术的突破，如何实现计算机对人身份的自动识别与监控以及理解人类的行为模式的研究需求变得越来越迫切。目前的自动人脸识别系统还需要人的干预。如对敏感场所(银行、超市、停车场等)的监控，往往是由保安人员24小时巡逻。部分场所装有摄像机，但还是需要专门工作人员监视显示器以便及时发现异常事件。这样不仅需要投入大量的人力、物力资源，而且由于人的精力和注意力有限，在高强度的工作环境下往往可能会出现疏漏，从而不能及时对异常情况做出反应。为避免这些不足，利用计算机视觉和图像图形的方法，在不需要人干预、或者只需要很少干预的情况下，通过对摄像机拍录的视频图像序列进行分析来实现人脸的检测、识别与跟踪，在此基础上获取人体姿态和运动参数，并进一步进行语义分析和行为理解。总之，要在不侵犯被分析者的