基于Kalman滤波及Mean+Shift算法的人眼实时跟踪.pdf

第17卷第2期 模式识别与人工智能 V01．17No．2 2004年6月 PRAI June2004 基于Kalman滤波和MeanShift算法的人眼实时跟踪 陈艳琴 罗大庸 (中南大学信息科学与工程学院长沙410075) 摘要非接触式的人眼跟踪方法在一些基于视觉的人机交互应用中具有很重要的意义．但目前的人眼跟踪方法 普遍存在着诸如对眼睛的部分遮挡、人脸尺度变化和头部的深度旋转等过于敏感的不足，这就极大地限制了其应 用范围．本文提出了一种综合运用KNman滤波和Meanshift算法的人眼跟踪算法，实验结果验证了该算法对于上 面所提到的不足情况具有较强的鲁棒性． 关键词眼睛定位，眼睛跟踪，Kalman滤波，MeanShift算法 中图法分类号TP391 1 引 言 踪 非接触式的人眼跟踪是人脸跟踪的一部分，它 具有相当广泛的应用范围，如司机疲劳检测、表情分 析等．目前，对于人脸和眼睛的检测和跟踪已有了大 图1跟踪过程结构简图 量的研究成果l卜3|．虽然其中的一些眼睛跟踪算法 精度比较高，但是实时性较差．以通过亮瞳孔来实现 2人眼的检测定位 眼睛跟踪的算法而言，这种方法虽然简单有效，但是 需要不同的稳定红外照明条件，而且对头部的深度 要实现人眼的跟踪首先要进行人脸检测及定 旋转、人脸与摄像头的距离和外部光照相当敏感． 位．目前人脸检测及定位方法主要有以下3种： 为了解决这些问题，本文提出了一种综合 (1)基于几何特征的人脸正面图像识别方法． Kalman滤波和MeanShift算法的眼睛跟踪算法．此 将人脸用一组几何特征矢量表示，用模式识别的方 算法基于目标模板的颜色分布特征，根据上一帧图 法设计分类器进行识别． 像的信息估计出被跟踪目标在当前帧的位置，然后 (2)基于代数特征的人脸正面自动识别方法． 进行目标搜索，其中颜色分布与目标模板颜色分布 这种方法将人脸看成一个二维的灰度变化模板，从 最相似的即为被跟踪目标．这种方法比采用穷举法 整体上描述人脸特征，所运用的方法主要是一些数 搜索要快速有效．整个跟踪过程分为两个阶段(见图 理统计技巧． 1)：首先根据上一帧图像中眼睛的位置运用Kalman(3)基于连接机制的人脸正面自动识别方法． 滤波预测当前图像中眼睛的位置和协方差；然后根 将人脸用灰度图表示，利用神经网络的学习和分类 据眼睛的亮度分布特征运用MeanShift迭代算法在能力识别人脸．这种方法保存了人脸图像的形状信 估计的邻域内搜索与眼睛模板最相似的目标．此眼 息，避免了复杂的特征提取工作． 睛跟踪方法在实际的光照条件下跟踪效果较好，对 上述的这些方法普通存在着识别准确率低、过 于眼睛部分遮挡或者闭合的情况下也能够准确地跟 程复杂等缺陷．而基于肤色模型的人脸检测及定位 收稿日期：2003—03—06；修回日期：2003—11～03 万方数据 174 模式识别与人工智能 17卷 方法不仅具有直观、实现简单和快速等优点，而且对 姿态变化不敏感【4]，因此，在本文中，对于彩色图像 即采用此人脸检测及定位方法．在检