基于自适应粒子滤波的ASM新技术.docVIP

Computer Science and Application计算机科学与应用, 2011, 1, 97-102 /10.12677/csa.2011.13020 Published Online December 2011 (/journal/csa) Adaptive Particle Filtering for Facial Feature Tracking Xiaorong Pu, Peng Li, Luping Ji School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu Email: puxiaor@ Received: Aug. 31st, 2011; revised: Sep. 27th, 2011; accepted: Oct. 15th, 2011. Abstract: Active shape model (ASM) has been widely used to track a face from a video sequence. However, it is usually limited to frontal view or the cases of small-scale head movement. ASM may fail in condition of cluttered background, adverse circumstances and partial occlusion. An enhanced ASM is proposed to meet those challenges based on particle filtering tracking algorithm. Experiments demonstrate the effectiveness and flexibility of the proposed algorithm in tracking the target objects undergoing significant variation of the object’s appearance or surrounding illumination. Keywords: Visual Tracking; Particle Filter; Incremental PCA; ASM 基于自适应粒子滤波的 ASM新技术 蒲晓蓉，李 鹏，纪禄平 电子科技大学计算机科学与工程学院，成都 Email: puxiaor@ 收稿日期：2011年 8月 31日；修回日期：2011年 9月 27日；录用日期：2011年 10月 15日 摘 要：ASM已经被广泛应用于视频流中的人脸跟踪，但大多局限于头部运动较缓慢的正面人脸跟踪， 很难精确跟踪复杂背景、恶劣光照和部分遮挡条件下的人脸。本文结合粒子滤波预测跟踪人脸，改进 传统 ASM方法，实现人脸特征点的精确定位。实验表明，该方法能有效提高 ASM搜索的精确度和鲁 棒性。 关键词：人脸跟踪；增量 PCA；粒子滤波；ASM搜索 1.引言 [5] 特征等方法，大多局限于良好背景、均匀光照和人 脸无遮挡等约束环境，无法检测视频流中快速头部移 动的人脸。为了自动确定跟踪目标，本文方法仅视频 流的第一帧利用人脸自动检测捕获目标 ,获得人脸位 置、大小和旋转等参数，并将人脸的位置作为粒子滤 波人脸跟踪算法的初始化窗口。此后采用粒子滤波方 法定位特定目标的人脸位置，以检测并跟踪复杂背景、 光照变化、局部遮挡，以及快速移动的人脸图像。 ASM大多采用 PCA方法建立形状模型，需要大 量数据集构建特征基。但利用传统 PCA不能准确定位 复杂状况下的人脸目标，且无法适应目标特征的最新 变化。本文采用递增 PCA(Incremental PCA, IPCA)方 法构建更新特征空间，保持目标模式的最新表达，以 适应目标本身的变化和周围环境的改变，实现复杂环 人脸跟踪和特征提取是人脸识别和机器视觉的关 键技术。主动形状模型(Active Shape Model，ASM)是 由 Cootes等人于 1995年提出的一种基于点分布模型 算法，已经被广泛应用于单幅人脸或视频流的人脸特 征提取和跟踪。ASM基于统计方法，将一系列人脸图 像进行标点训练得到原始形状向量，再进行对齐操作 和 PCA分析建立形状建模。其中需要设置形状模型 参数，约束其变化范围，确保模型能适应目标形状的 [1] [2] [3] 不确定性。 A