[發明專利]基于Struck跟蹤算法的人臉圖像識別與視頻片段截取方法

在審

• 申請號: 201910183195.0
• 申請日: 2019-03-12
• 公開（公告）號: CN109934162A
• 公開（公告）日: 2019-06-25
• 發明（設計）人: 房國志;孫康瞳
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/246
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于Struck跟蹤算法的人臉圖像識別與視頻片段截取方法，其特征在于：所述方法通過以下步驟實現：

步驟一、使用AdaBoost方法結合Haar-like特征檢測視頻中人臉數據；

步驟二、利用檢測到的人臉數據自動地初始化Struck跟蹤器，利用跟蹤器進行跟蹤得到人臉圖像序列；

步驟三、對跟蹤器截取的人臉圖像幀序列進行預處理；

步驟四、為人臉圖像建立特征空間并用One-classSVM分類；實現輸入指定圖像的序列的特征后輸出視頻內容中與之相關的視頻片段的目標。

2.根據權利要求1所述的基于Struck跟蹤算法的人臉圖像識別與視頻片段截取方法，其特征在于：所述的步驟二中，利用檢測到的人臉數據自動地初始化Struck跟蹤器，利用跟蹤器進行跟蹤得到人臉圖像序列的過程為：

步驟二一、利用Ada Boost算法按照一定規則聚合多個以Haar-like特征為基準的分類器，以判斷某一圖像區域是否為人臉；級聯Ada Boost將判斷各種人臉特征的分類器聚合以得到效用更高的分類器，實現從眼睛、鼻子到整張人臉的識別。

步驟二二、使用Ada Boost方法對每個序列的第一幀進行處理后，將該幀中檢測到的人臉數據用于初始化跟蹤器；

步驟二三、Struck全稱結構性訓練跟蹤算法：

首先，給定的目標圖片序列中，在第一幀獲取到跟蹤目標，用這個目標初始化跟蹤器的參數；

然后，第二利用它自身的預測機制估計出接下來物體可能出現的位置；

最后，對新出現的跟蹤目標樣本進行處理，求解最優的分割平面，加入閾值判斷防止支持向量過增長，跟蹤到目標對象并更新支持向量集。

3.根據權利要求2所述的基于Struck跟蹤算法的人臉圖像識別與視頻片段截取方法，其特征在于：所述的步驟三中，對跟蹤器截取的人臉圖像幀序列進行預處理的過程為：使用直方圖均衡化對圖像序列中的每一幀作預處理以減少光線對圖像特征的影響，再進行歸一化；將姿態、大小不一的樣本圖像通過仿射映射，得到一組特征點對齊、大小一致的圖像，再使用重心模板找到臉部的中心位置；改善圖像質量，統一圖像灰度值及尺寸，消除對特征提取無用的噪聲。

4.根據權利要求3所述的基于Struck跟蹤算法的人臉圖像識別與視頻片段截取方法，其特征在于：所述的步驟四中，為人臉圖像建立特征空間并用One-classSVM分類；實現輸入指定圖像的序列的特征后輸出視頻內容中與之相關的視頻片段的目標的過程，具體為：

增量PCA方法提取預處理后的序列的特征；以One-classSVM作為檢索分類器，實現輸入指定圖像的序列的特征后輸出視頻內容中與之相關的視頻片段的目標；PCA建立特征空間，并逐幀增量更新，同時更新One-classSVM。

5.根據權利要求4所述的基于Struck跟蹤算法的人臉圖像識別與視頻片段截取方法，其特征在于：所述的增量PCA方法提取預處理后的序列的特征的過程為，

使用增量PCA學習算法，增量PCA在PCA的基礎上可以在增量的過程中逐步減小因背景、光線、角度等外界因素對圖像序列不同幀造成的差別，有效降低提取特征的散度；一個訓練序列為一個固定人物，識別過程中將結果反饋到子空間和單類支持向量機One-class SVM上進行分類，動態調整子空間的單位向量方向和One-classSVM的分類面，采用的核函數為徑向基函數與多項式內核函數：

(1)徑向基函數(RBF)：

(2)多項式內核：

RBF核函數應用最廣將一個樣本映射到一個更高維的空間，RBF網絡能夠逼近任意的非線性函數。