一类视频序列中的人脸检测与实时跟踪算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 190-192.

一类视频序列中的人脸检测与实时跟踪算法

郭志波^1,2,严云洋¹,杨静宇¹

1.扬州大学信息学院,江苏扬州 225009
2.南京理工大学计算机学院,南京 210094

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 郭志波

New algorithm of face detection and real-time tracking in video sequences

GUO Zhi-bo^1,2,YAN Yun-yang¹,YANG Jing-yu¹

1.School of Information Engineer,Yangzhou University,Yangzhou,Jiangsu 225009,China
2.School of Compute,Nanjing University of Science and technology,Nanjing 210094,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: GUO Zhi-bo

摘要/Abstract

摘要： 提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。

关键词: 人脸检测, 目标跟踪, 模板匹配, 人脸确认

Abstract: A novel algorithm of face fast detection and real-time tracking that accurately detecting and tracking faces in the video sequences is proposed in this paper.The algorithm contains two parts that are face detection of initial state or object losing state and object tracking of continuous state.Firstly,the central place between two eyes is predicated,and the region around the candidate position is matched with face template,then,the accurate position of the face is detected rapidly.Subsequently,the face template is updated by the detected face region,and the following video images are tracked in a small field based on detected parameters with rotation angle,position and zoom scale.The experimental results on many video under varying conditions show that the face tracking algorithm in the video sequences is fast,accurate and robust.

Key words: face detection, object tracking, template matching, face verification

郭志波^1,2,严云洋¹,杨静宇¹. 一类视频序列中的人脸检测与实时跟踪算法[J]. 计算机工程与应用, 2007, 43(28): 190-192.

GUO Zhi-bo^1,2,YAN Yun-yang¹,YANG Jing-yu¹. New algorithm of face detection and real-time tracking in video sequences[J]. Computer Engineering and Applications, 2007, 43(28): 190-192.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[3]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[4]	崔洲涓，安军社，陈长龙，崔天舒. 基于PYNQ框架的深度卷积特征异构跟踪系统[J]. 计算机工程与应用, 2021, 57(4): 120-126.
[5]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[6]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.
[9]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[10]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[11]	陈庆林，谷雨，宋忠浩，聂圣东. 融合检测与跟踪的半自动视频目标标注[J]. 计算机工程与应用, 2021, 57(14): 223-230.
[12]	张瑶，卢焕章，张路平，胡谋法. 基于深度学习的视觉多目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(13): 55-66.
[13]	王德鑫，常发亮. 六足机器人动态目标检测与跟踪系统研究[J]. 计算机工程与应用, 2021, 57(12): 180-185.
[14]	徐家俊，张翌维，赵建，相韶华. 针对SM4算法的功耗模板-碰撞分析[J]. 计算机工程与应用, 2021, 57(11): 111-118.
[15]	刘云，钱美伊，李辉，王传旭. 特征融合与训练加速的高效目标跟踪[J]. 计算机工程与应用, 2021, 57(10): 101-109.