基于粒子滤波的人脸跟踪算法

doi:10.3778/j.issn.1002-8331.2008.23.063

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (23): 209-211.DOI: 10.3778/j.issn.1002-8331.2008.23.063

• 图形、图像、模式识别 • 上一篇下一篇

基于粒子滤波的人脸跟踪算法

杨向波,朱虹,邓颖娜,刘薇,张曈

西安理工大学自动化与信息工程学院，西安 710048

收稿日期:2007-10-24 修回日期:2008-01-21 出版日期:2008-08-11 发布日期:2008-08-11
通讯作者: 杨向波

Human face tracking algorithm based on particle filter

YANG Xiang-bo,ZHU Hong,DENG Ying-na,LIU Wei,ZHANG Tong

Department of Automatic and Information Engineering，Xi’an University of Technology，Xi’an 710048，China

Received:2007-10-24 Revised:2008-01-21 Online:2008-08-11 Published:2008-08-11
Contact: YANG Xiang-bo

摘要/Abstract

摘要： 人物跟踪技术是目前智能监控系统的核心方法之一，针对人脸运动的非线性非高斯的特点，引入粒子滤波算法来进行运动预测估计，抵抗遮挡干扰。同时，根据人脸结构特点，提出了一种分块颜色直方图，用以描述人脸的特征。并且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明，在人脸的旋转，肤色和部分遮挡影响下跟踪精度较高，抵抗光照环境变化，以及人脸大小变化等的鲁棒性较强。

关键词: 人脸跟踪, 粒子滤波, 分块颜色直方图

Abstract: Human tracking technique is one of core method in intelligence surveillance system.The human face moving is non-linear and non-gauss，particle filter algorithm is proposed for motion estimation，which is efficient even in occlusion situation.According to the face structure，a blocking color histogram is proposed to describe the human face character.The speed of object moving and variance of process noise are update adaptively according to estimate precision.Experimental results show that the tracking precision is high even under face rotation，complexion and part occlusion.It has strong robustness to resist illumination change and human face size change.

Key words: human face tracking, particle filter, blocking color histogram

杨向波,朱虹,邓颖娜,刘薇,张曈. 基于粒子滤波的人脸跟踪算法[J]. 计算机工程与应用, 2008, 44(23): 209-211.

YANG Xiang-bo,ZHU Hong,DENG Ying-na,LIU Wei,ZHANG Tong. Human face tracking algorithm based on particle filter[J]. Computer Engineering and Applications, 2008, 44(23): 209-211.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[3]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[4]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[5]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[6]	王晓华，聂腾腾. 改进的布谷鸟算法优化粒子滤波研究[J]. 计算机工程与应用, 2020, 56(12): 60-65.
[7]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[8]	昝孟恩，周航，韩丹，杨刚，许国梁. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用, 2019, 55(5): 8-17.
[9]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[10]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[11]	胡正平，王欣，孙德刚. 余弦权重逆稀疏框架视频目标跟踪算法[J]. 计算机工程与应用, 2019, 55(21): 206-213.
[12]	段苛苛，邰滢滢. 基于二值掩码图像的粒子滤波目标跟踪快速算法[J]. 计算机工程与应用, 2017, 53(22): 16-20.
[13]	徐喆，胡亮. 用于前车追踪的多特征融合粒子滤波算法改进[J]. 计算机工程与应用, 2017, 53(19): 173-178.
[14]	陈波1，覃锡忠1，贾振红1，邓磊2，王晓兵2，张家林2. 一种改进的高斯粒子滤波室内定位算法[J]. 计算机工程与应用, 2017, 53(14): 246-250.
[15]	王向前1，冉维2，马飞1，3. 邻域迭代重采样粒子滤波的纯方位目标跟踪[J]. 计算机工程与应用, 2017, 53(13): 160-166.

基于粒子滤波的人脸跟踪算法

Human face tracking algorithm based on particle filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics