导读:本文包含了人脸跟踪算法论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸跟踪,HOG特征,相关滤波,Staple算法
人脸跟踪算法论文文献综述
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）
刘康[3]（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）
王俊南,赖惠成,杨东旭[4]（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）
徐杰,郭春赫,孙超,邓湘奇[5]（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）
齐永锋,王梦媛,卢晨鸣[6]（2018）在《?一种在复杂光照条件下的人脸跟踪算法》一文中研究指出针对光照以及人脸的尺度变换、遮挡等问题,提出一种基于多尺度韦伯脸与实时压缩在复杂光照情况下的跟踪算法。对实时压缩跟踪方法的理论模型的认真分析与研究,提出采用光照预处理方法来提高复杂光照情况下跟踪过程中目标信息的采集精准度。在目标检测跟踪过程中,与经典的实时压缩跟踪算法相比,基于多尺度韦伯脸与实时压缩的人脸跟踪算法在复杂光照情况下跟踪性能得到明显提升,能较好应对人脸尺度变换及局部遮挡的情况。(本文来源于《红外技术》期刊2018年12期）
秦润泽,聂倩倩[7]（2018）在《基于CamShift改进算法的人脸跟踪识别系统》一文中研究指出传统的人脸检测速度更多地关注检测精度,而跟踪算法多关注跟踪过程,本文综合这两种算法优点,提出改进算法实现人脸识别与跟踪。论文采用haar特征的Ada Boost算法检测面部,Eigenfaces算法实现人脸识别;视频序列中,识别的人脸作为跟踪算法的输入并实时更新;CamShift算法可以实时地跟踪人脸。实验结果显示,改进算法识别精度得到有效提高,且能达到实时跟踪的效果;人脸轮廓特征与肤色特征提高系统的鲁棒性。(本文来源于《山西电子技术》期刊2018年03期）
梅毅林[8]（2018）在《综合颜色特征的粒子滤波人脸跟踪算法》一文中研究指出随着人脸跟踪技术不断发展,视频会议、身份鉴别、人机交互等许多应用领域都与人脸跟踪算法密切相关。人脸跟踪,即通过已知的视频序列或者连续图像数据,在其中寻找到特定的人脸目标。文章主要提出了一种综合颜色特征的粒子滤波人脸跟踪算法。该方法利用粒子滤波能有效处理非线性非高斯过程和融合目标人脸多种测量信息的特性,针对人脸特征对环境变化的不同鲁棒性,综合颜色直方图以及加权颜色直方图进行人脸特征描述。在此基础上,通过对普通颜色直方图和加权颜色直方图跟踪系统分别进行MATLAB仿真,通过比较得出更优方案。(本文来源于《信息通信》期刊2018年06期）
骆绍烨,刘丽桑[9]（2018）在《基于特征组合的多人脸跟踪算法》一文中研究指出提出了一种融合肤色特征、ORB特征和运动状态估计的多人脸跟踪算法.该算法以多线程跟踪为基础,根据不同跟踪算法的适用特点,在未受肤色干扰时依靠基于分块加权的改进Camshift算法跟踪,在受干扰时则结合包含尺度变化的ORB特征匹配算法进行跟踪.算法同时利用Kalman滤波器修正跟踪误差,以提高跟踪效果.实验表明,基于特征组合的多人脸跟踪算法具有较好的跟踪准确性和实时性.(本文来源于《延边大学学报(自然科学版)》期刊2018年01期）
李奇林,白成杰[10]（2018）在《基于扫描聚类的人脸跟踪算法》一文中研究指出提出一种基于扫描聚类的人脸跟踪算法。首先标记出人脸区域,创建颜色直方图;然后在后续视频图像的每一帧中,对每一个像素点进行扫描,并确定像素点属于人脸区域的概率;最后通过聚类算法找到每个视频帧中最有可能存在人脸的位置,并标识出来作为跟踪结果。测试结果表明,算法对人脸跟踪有良好的效果。(本文来源于《计算机与数字工程》期刊2018年01期）
人脸跟踪算法论文开题报告
（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。
人脸跟踪算法论文参考文献
[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].刘康.基于监控视频的人脸跟踪算法的研究[D].新疆大学.2019
[4].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
[5].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
[6].齐永锋,王梦媛,卢晨鸣.?一种在复杂光照条件下的人脸跟踪算法[J].红外技术.2018
[7].秦润泽,聂倩倩.基于CamShift改进算法的人脸跟踪识别系统[J].山西电子技术.2018
[8].梅毅林.综合颜色特征的粒子滤波人脸跟踪算法[J].信息通信.2018
[9].骆绍烨,刘丽桑.基于特征组合的多人脸跟踪算法[J].延边大学学报(自然科学版).2018
[10].李奇林,白成杰.基于扫描聚类的人脸跟踪算法[J].计算机与数字工程.2018