动态人脸跟踪定位算法开题报告

1. 研究目的与意义

利用Halcon图像处理软件对一定范围内自由移动的人员进行人脸自动跟踪定位算法开发。考虑移动过程中的失焦现象，并通过镜头控制进行补偿。通过采集测试图像集进行算法开发及调试。实现自动跟踪对焦功能、人脸跟踪定位功能。为实现贴近自然习惯的人机交互奠定基础，最终实现如通过眼神、手势进行人机交互。

2. 国内外研究现状分析

人脸识别时一个具有一定历史的课题，早在上个世纪FrancisGalton就开始了这方面的研究。在上世纪九十年代前期，研究的重心集中在分割和特征提取以及设计系统的或神经网络的分类器方面，采用一些传统的统计方法，如Karhunen-Loeve变化或新的神经网络技术，这时的识别工作基本上是在实验室里用规模比较小的数据库进行测试，而且多半是用静态图像。除此之外，视频流能提供丰富的人脸信息，因此较多的研究小组和公司把工作重心转移到基于多样本的统计方法或神经网络的方法的研究上去。进入九十年代后期，随着高速度、高性能计算机的出现，人脸识别的方法有了重大的突破，进入了真正的机器自动识别阶段。例如：有瑞SmartEyeAB公司研制的SmartEye红外眼动分析系统利用2-5个摄像机运用三维成像原理对人脸面部特征进行跟踪，可以实现头部姿态，凝视方向及眼脸状态的测量。国内例如：长安大学信息工程学院《人脸检测跟踪与特征点定位系统》实现的人脸检测跟踪与特征点定位系统,基于VC 6.0开发平台,使用opencv作为开发工具,有效缩短了系统的开发时间。等（详见文献综述）

3. 研究的基本内容与计划

1）内容：

对利用机器视觉实现的人机交互系统的国内外专利、学术期刊及书籍进行综述，总结基于机器视觉的人机交互系统发展现状。方案拟定：采用彩色图像肤色、形状、面积、对称性等信息进行潜在人脸区域的定位，利用边缘检测等方法对失焦程度进行评价，配合焦距调节与采集动态寻找失焦程度最低的焦点位置。实验数据采集：采用实验室现有的计算机平台及相机镜头控制系统采集人脸图像。手动调节镜头参数，模拟镜头对焦算法控制镜头，采集系列测试图像。实验数据处理：对采集的人脸测试图像（其中包括大量失焦并模拟逐步对焦过程中采集的图像）基于halcon图像处理软件进行分析，实现自动人脸定位自动定焦算法开发与调试。最终结果：根自动搜索保存在文件夹中的人脸测试图像集，在计算机屏幕上显示自动对焦过程，最终定格显示在焦点清晰的人脸图像。

2）计划：

4. 研究创新点

本课题的特色创新之处在于考虑移动过程中的失焦现象，并通过镜头控制进行补偿。通过采集测试图像集进行算法开发及调试。实现自动跟踪对焦功能、人脸跟踪定位功能。