基于在线学习机制的人脸持续跟踪方法

• 作者: 吴怀宇 蔡丽仪 陈洋 陈镜宇
• 来源期刊: 高技术通讯
• 关键词: 人脸持续跟踪 光照不变特征 在线学习 尺度自适应 核相关滤波器(KCF)
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 546-555
• 页数: 10页
• 字数: 6516字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.06.004

摘要

针对目标人脸短暂离开画面后不能继续跟踪的问题,提出将增量分层判别回归方法(IHDR)与改进的核相关滤波(KCF)跟踪算法相结合,以解决人脸持续跟踪问题.首先,提取人脸光照不变特征,增量构建人脸特征IHDR树.然后,检索IHDR树识别目标人脸,通过循环矩阵获取人脸正负样本,训练岭回归分类器对人脸进行跟踪.在人脸短暂离开画面时,重新识别目标人脸,使用识别结果重新初始化跟踪器,实现对人脸的持续跟踪.此外,针对KCF跟踪器的跟踪框尺度不能自适应的问题,对KCF跟踪器进行了改进,设置3个尺度不同的模板区域并计算响应,以响应最大的区域的尺度为跟踪框的尺度.最后,在不同光照下进行了动态人脸识别实验,识别率达到97.84％.与传统跟踪算法进行对比,所提方法能够在尺度上自适应跟踪目标人脸,并满足实时性要求.在人脸短暂离开画面的视频中,该方法亦能实现对目标持续跟踪.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴怀宇	武汉科技大学信息科学与工程学院	100	816	14.0	23.0
2	陈洋	武汉科技大学信息科学与工程学院	46	324	10.0	16.0
3	蔡丽仪	武汉科技大学信息科学与工程学院	1	0	0.0	0.0
4	陈镜宇	武汉科技大学信息科学与工程学院	2	0	0.0	0.0