基于Camshift和卡尔曼滤波的人脸跟踪

初始跟踪时，第一帧人脸检测利用Matlab计算机视觉 工具箱自带的vision.CascadeObjectDetector()函数（训 练级联分类器）。
Camshift算法简介
CamShift是MeanShift算法的改进，称为连续自适应的MeanShift算法，它的基本思 想是视频图像序列的所有帧作MeanShift运算，并在上一帧处理后，得出搜索窗的质 心，并让它作为下一帧图片处理的搜索窗的初始值，如此迭代下去。 MeanShift算法的思想很简单：利用概率密度 的梯度爬升来寻找局部最优。
索在视频图像中快速、准确地检测到所有人脸的位置与大小的方法，仍然是 今后研究的重点问题。
Kg (k ) P(k \ k 1) * H T /(H * P(k \ k 1) * H T R)
P(k \ k ) ( I K (k ) * H ) * P(k \ k 1)
人脸跟踪实现过程
那么卡尔曼滤波器在其中 扮演什么角色呢？
卡尔曼滤波能够在跟踪中预测运动目标参数， 从而准确地估计运动目标位置区域。
不足
（1）读取的视频格式单一，且有的视频文件播放正常，但到MATLAB上播
放十分缓慢，这是转换过程中把帧率设的慢了，需要重新转换。
（2）卡尔曼滤波中的过程噪声矩阵与观测噪声矩阵选取问题。 （3）人脸检测的实际环境也相对复杂，受到背景、位姿、人种、光照、成
像设备等外部因素的影响，需要人脸检测算法适应各种不同的检测环境。探
CamShift跟踪算法流程图
实验结果与分析
为了验证算法的有效性，采用两种方案基于CamShift算法人脸跟踪实 验以及CamShift算法结合卡尔曼滤波人脸跟踪实验。使用室内行人行 走视频进行跟踪实验(个人PC机，运行环境Windows7，Matlab R2013a，内存4G，主频2.50Ghz)。初始跟踪时，第一帧人脸检测利 用Matlab计算机视觉工具箱自带的vision.CascadeObjectDetector()函 数，利用CamShift算法结合卡尔曼滤波进行人脸跟踪，实验结果下所 示。
基于Camshift和卡尔曼滤波的人脸跟踪
徐源 杨思豪
Ｃｏｎｔｅｎｔ
1 2 3 4
概念简介
CamShift跟踪算法
卡尔曼滤波 实验结果
人脸检测和跟踪
概念简介
人脸跟踪是人脸识别技术的一项应用，是在视频或图像序列中确定某个人脸的运动轨迹及大小变化的 过程，它是进行动态人脸信息处理的第一个环节，在视频会议、视频监控、人机智能交互等方面都有 着重要的应用价值。由于人脸本身属于复杂多变的非刚体模式，在运动过程中，其大小、形状都会发 生变化，因此实现实时而可靠的人脸跟踪方法具有一定挑战性。
CamShift算法结合卡尔曼滤波人脸跟踪实验与结果分析
Байду номын сангаас
CamShift算法结合卡尔曼滤波跟踪效果(从左到右分别为第30, 65, 98, 121,167帧)
从图中可以看出，第30帧和第65帧跟踪效果良好，能对行走中的人脸实现有效跟踪；在第98帧和 第121帧时，虽然有遮挡影响，但跟踪窗口始终紧紧跟随人脸目标，跟踪效果良好；在第167帧，人 脸遮挡消失后，CamShift算法结合卡尔曼滤波算法也能对人脸进行正确追踪。综上对比分析表明， 卡尔曼滤波器能够预测目标的运动参数，并且能将预测的目标空间位置参数传递给候选目标初始搜 索过程，提高了人脸跟踪性能，因此，本文提出的方法有效地提高了目标跟踪的鲁棒性。
1.初始化：将输入图像变换到HSV 空间，计算基于HS分量的颜色直方 图 2.跟踪：将新图像变换到HSV空间， 计算目标直方图的反向投影，相当 于关于目标位置的概率分布图 3.迭代：通过迭代的方式不断收敛 到目标概率最大位置，即为跟踪结 果
卡尔曼滤波
卡尔曼滤波器是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态 进行最优估计的算法。而且由于观测包含系统的噪声和干扰的影响，所以最优估计也可 看做是滤波过程。 卡尔曼滤波器的核心内容就是5条公式，计算简单快速，适合用于少量数据的预测和估 计。
X (k \ k 1) A * X (k 1 \ k 1) B *U (k )
P(k \ k 1) A* P(k \ k 1) * AT Q
X (k \ k ) A * P(k \ k 1) K (k ) * Z (k ) H * X (k \ k 1)
背景噪声，目标外观变化、运动， 实时性，鲁棒性，遮挡
针对CamShift算法进行人脸跟踪中出现的遮挡问题， 提出了一种CamShift算法结合卡尔曼滤波的人脸跟踪 方法，使用卡尔曼滤波对跟踪过程中人脸目标运动速 度和空间位置进行预测。
人脸检测和跟踪
概念简介
人脸检测算法经过不断发展，有二进小波变换的人脸检测，基于AdaBoost算法 的人脸检测以及基于Haar-like特征、级联结构的AdaBoost算法，成功应用于模 式识别领域，实现了实时人脸检测，使人脸检测技术取得了突破性进展。
CamShift算法人脸跟踪实验结果与分析
CamShift算法跟踪效果(从左至右分别为视频中第25, 56, 90, 115,160帧)
从图中可以看出，第25帧和第56帧跟踪效果良好，能对行走中人的脸部实现有效跟 踪；在第90帧和第115帧时，由于目标人脸被遮挡，跟踪窗口逐渐向干扰目标方向移 动，导致目标人脸跟踪失败；在第160帧时，由于目标人脸遮挡消失，CamShift算法 又能对人脸进行正确追踪。由此可见，CamShift算法能够很好的对人脸进行实时跟踪， 但当人脸受到遮挡后，它不能预测出相应的人脸目标信息，导致人脸跟踪失败。