一种改进的Condensa.PDFVIP

第３２卷第１２期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．１２ ２０１５年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１５ 一种改进的Ｃｏｎｄｅｎｓａｔｉｏｎ人脸特征点跟踪算法 徐 岩 柏 （运城学院公共计算机教学部　山西运城０４４０００） 摘　要　　Ｃｏｎｄｅｎｓａｔｉｏｎ跟踪算法只能完成一些简单的目标跟踪。由于人脸容易出现被遮挡，姿态和表情也经常发生变化，导致人 脸特征点极易跟踪失败。针对这些复杂变化，提出一种改进的Ｃｏｎｄｅｎｓａｔｉｏｎ人脸特征点跟踪算法。该算法对跟踪的特征点利用增 量ＰＣＡ方法实现特征基和均值的在线更新，同时，加入一个遗忘因子，使得在新样本的更新过程中，考虑了旧样本的存在，更新了均 值。实验证明，该算法可以有效地克服复杂变化带来的影响，实现了人脸特征点的准确跟踪。 关键词　　人脸特征点跟踪　增量ＰＣＡ更新　Ｃｏｎｄｅｎｓａｔｉｏｎ　遗忘因子 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．１２．０３７ ＡＮＩＭＰＲＯＶＥＤＣＯＮＤＥＮＳＡＴＩＯＮＦＡＣＩＡＬＦＥＡＴＵＲＥＰＯＩＮＴＴＲＡＣＫＩＮＧＡＬＧＯＲＩＴＨＭ ＸｕＹａｎｂａｉ （ＰｕｂｌｉｃＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＴｅａｃｈｉｎｇ，ＹｕｎｃｈｅｎｇＵｎｉｖｅｒｓｉｔｙ，Ｙｕｎｃｈｅｎｇ０４４０００，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｃｏｎｄｅｎｓａｔｉｏｎｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｃａｎｏｎｌｙｃｏｍｐｌｅｔｅｓｏｍｅｓｉｍｐｌｅｔａｒｇｅｔｔｒａｃｋｉｎｇ．Ａｓｔｈｅｆａｃｅｓａｒｅｐｒｏｎｅｔｏｂｅｏｃｃｌｕｄｅｄ，ａｎｄｇｅｓ ｔｕｒｅｓａｎｄｆａｃｉａｌｅｘｐｒｅｓｓｉｏｎｓａｒｅｏｆｔｅｎｃｈａｎｇｉｎｇａｓｗｅｌｌ，ｔｈｅｓｅｒｅｓｕｌｔｓｉｎｅａｓｉｌｙｆａｉｌｉｎｇｉｎｆａｃｉａｌｆｅａｔｕｒｅｓｐｏｉｎｔｓｔｒａｃｋｉｎｇ．Ｆｏｒｔｈｏｓｅｃｏｍｐｌｅｘ ｃｈａｎｇｅｓ，ｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄＣｏｎｄｅｎｓａｔｉｏｎｆａｃｉａｌｆｅａｔｕｒｅｐｏｉｎｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍ．ＩｔｕｓｅｓｉｎｃｒｅｍｅｎｔａｌＰＣＡｍｅｔｈｏｄｏｎｔｈｅｆｅａｔｕｒｅｐｏｉｎｔｓ ｔｒａｃｋｅｄｔｏａｃｈｉｅｖｅｏｎｌｉｎｅｕｐｄａｔｉｎｇｏｆｅｉｇｅｎｂａｓｉｓａｎｄｍｅａｎ．Ｍｅａｎｗｈｉｌｅ，ａｆｏｒｇｅｔｔｉｎｇｆａｃｔｏｒｉｓａｄｄｅｄｗｈｉｃｈｃｏｎｓｉｄｅｒｓｔｈｅｅｘｉｓｔｅｎｃｅｏｆｔｈｅｏｌｄ ｓａｍｐｌｅａｎｄｕｐｄａｔｅｓｔｈｅｍｅａｎｗｈｅｎａｎｅｗｓａｍｐｌｅｉｓａｐｐｅａｒｅｄｉｎｕｐｄａｔｉｎｇｐｒｏｃｅｓｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙ ｏｖｅｒｃｏｍｅｔｈｅｉｍｐａｃｔｏｆｃｏｍｐｌｅｘｃｈａｎｇｅｓａｎｄａｃｈｉｅｖｅｓａｃｃｕｒａｔｅｔｒａｃｋｉｎｇｏｎｆａｃｉａｌｆｅａｔｕｒｅｐｏｉｎｔｓ． Ｋｅｙｗｏｒｄｓ　　Ｆａｃｉａｌｆｅａｔｕｒｅｐｏｉｎｔｔｒａｃｋｉｎｇ　ＩｎｃｒｅｍｅｎｔａｌＰＣＡｕｐｄａｔｅ　Ｃｏｎｄｅｎｓａｔｉｏｎ　Ｆｏｒｇｅｔｔｉｎｇｆａｃｔｏｒ 基于底层特征的方法多采用颜色或纹理特征进行跟踪，用 ０　引　言 得最多的底层特征是颜色直方图［２］。这种方法在处理光照变 化或人脸区域和背景颜色相似的时候，鲁棒性很差。邱丽梅 人脸特征点跟踪在视频监控、人机交互、表情分析、交通监 等［３］使用ＫＬＴ算法从正面人像视频系列中通过颜色和纹理特 视等有广泛的用途。在人脸表情分析中，我们可以通过人脸特