[发明专利]一种基于HOG和特征描述子的人脸检测与跟踪方法

说明书

一种基于HOG特征描述子的人脸检测与跟踪方法，在人脸检测过程中，利用方向梯度直方图(HOG)特征来检测视频帧中的人脸，提高了检测的准确度；在人脸跟踪过程中，采用了一种结合特征描述子的跟踪校正策略，利用基于欧氏距离的方法进行人脸相似度对比，并以此更新跟踪结果，降低了多人脸因素的干扰。

技术领域

本发明涉及人脸识别、检测跟踪、特征提取，是一种多人脸检测与跟踪方法。

背景技术

人脸识别技术增强了目标检测的可用性，可以帮助搜索目标用户或执行其他操作。一般而言，人脸识别的研究历史可以按时间分为三个阶段。(1)1950年到1980年，人脸识别被认为是一般的模式识别问题，主流技术基于人脸的几何特征。(2)1980年到1990年，人脸识别技术发展迅速，出现了许多经典方法，例如Eigen Face和弹性图匹配，此时主流技术路线为脸部建模。(3)1990年到现在，人脸识别的研究不断深入，研究人员逐渐重视真实场景下的人脸识别问题，包括以下四个方面的研究：1)研究了不同的人脸结构模型，包括线性建模方法、非线性建模方法和三维建模方法；2)探讨影响人脸识别的条件，包括光照不变条件、姿态不变条件和表情不变条件等；3)使用新特征表示，包括局部描述子(Gabor Face，LBP Face等)和神经网络模型；4)寻求基于新数据源的人脸识别方式，例如基于视频、基于素描和基于近红外图像的人脸识别。

在20世纪90年代早期，由美国国防部发起的FERET是人脸识别的原型，该项目为未来的生物识别提供了原始数据，并进一步指出了人脸识别技术初始阶段的方向。Keinert等人提出了一种稀疏表示变分法的人脸识别算法，能够在有遮挡和伪装的情况下识别人脸，在大量实验数据下准确度较高。Ebied等人提出将主成分分析法应用在人脸特征提取以及降维中，结合特征图谱的奇偶性分析，能够解决较大的人脸面部维度而导致的人脸识别率下降的问题，有效地提高了人脸识别率。Brandt等人在ASM的基础上提出了一种基于面部组件划分的人脸特征提取方法，在人工干预下可以主观地修改算法，对各个组件之间的相对形状起到了一定的约束作用。

国内在实际应用中逐渐产生了对人脸识别技术的需求。吴晓萍等人提出了基于人脸关键点与增量聚类的多姿态人脸识别方法，利用CNN模型，识别准确率显著。雷超等人结合曲面局部纹理特征，分析了mesh-LBP对于人脸纹理的描述能力，提高了不同表情变化下的人脸识别率，在3维人脸识别中具有重要的意义。刘宇琦等人提出了一种基于QPSO优化的流形学习的视频人脸识别算法，将视频人脸识别视为图像集相似度度量问题，对齐帧图像后提取纹理特征并进行融合，再利用带有QPSO优化的黎曼流形和SVM分类器获得分类结果，在含有大量遮挡和人脸旋转的视频场景中提升了人脸识别的精度。王玉等人基于改进的Fisher加权准则，采用分块TPLBP级联直方图和多示例学习算法生成分类器，实现对测试视频人脸的分类及预测，通过实验结果分析改算法有较高的识别率，鲁棒性良好。

发明内容

为了克服现有技术的不足，通过对现有人脸识别的算法的深入调查和分析，集合市场上现有的人脸检测与跟踪的技术方案，本发明提出了一种基于HOG和特征描述子的人脸检测与跟踪方法。

为了解决上述技术问题，本发明提供如下的技术方案：

一种基于HOG和特征描述子的人脸检测与跟踪方法，包括以下步骤：

步骤1基于HOG特征的人脸检测，过程如下：

1.1)归一化伽马，使用伽马变换归一化图像，有效地降低图像局部的阴影和光照变化；

1.2)滑动窗口设置，分割图像为若干个滑动窗口block，block用于在整幅图像上滑动提取人脸HOG特征；

1.3)计算梯度，将block均匀分成4个单元，block之间采用重叠两个细胞单元的形式进行滑动，计算出图像的像素点(x,y)的水平方向和垂直方向的梯度，水平方向上的梯度Ix(x,y)为