应用CamShift算法实现人脸动态跟踪开题报告

1. 研究目的与意义

随着社会的不断发展，越来越多的计算机技术运用到人们的日常生活中。

人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互、系统公安（罪犯识别等）等方面的巨大应用前景而越来越成为当前模式识别和人工智能领域的一个研究热点。

人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。

2. 课题关键问题和重难点

虽然人类能毫不费力的识别出人脸及其表情，但人脸的机器检测与跟踪却是一个难度极大的课题。

它牵涉到模式识别、图像处理及生理、心理学等方面的诸多知识。

其所面临的问题可以分为两个方面：准确性和实时性：准确性：camshift算法能对人脸进行简单有效的跟踪，这是一种基于颜色的方法，在跟踪人脸的过程中肤色相近的像素会作为人脸的一部分。

3. 国内外研究现状（文献综述）

人脸跟踪是在已知人脸窗口的基础上，通过一定的方法在视图图像中标示出该人脸的位置和大小变化的过程。

1993年，a.azarbayejani等[1]首次提出人脸跟踪问题的解决方案之后，许多学者针对人脸跟踪问题进行了进一步的研究，例如：a.eleftheriadis等通过人脸头部的轮廓形状特征和图像的帧差实现人脸跟踪[2]，k.fukunaga等将均值漂移（meanshift）算法[3]应用与人脸跟踪问题，梁路宏等利用人脸检测来关联视频序列上的人脸运动关系[4]，等等。

在这些后续研究中，meanshift算法因算法简单和效果良好而受到关注。

4. 研究方案

硬件：联想r720软件：win 1064位操作系统，visual studio 2017，opencv4.0.1camshift算法：建立被跟踪目标的颜色概率模型后，可将视频图像转化为颜色概率分布图，然后在第一帧图像初始化一个矩形搜索窗，对以后的每一帧图像，camshift能够自动调节搜索窗的大小和位置，定位被跟踪目标的中心和大小，并且用当前帧定位的结果来预测下一帧图像中目标的中心和大小。

camshift算法是一种动态变化分布的密度函数梯度的非参数方法。

对离散概率分布，其算法流程如下：（1）在颜色概率分布图中选取大小为s的搜索窗。

5. 工作计划

工作计划预计分为15周，逐步完成开题报告、毕业设计、论文并准备最后的论文答辩，以下是我的具体计划内容：第1周第3周：查阅相关文献资料，明确研究内容，分析系统需求和各模块功能要求，了解技术手段。

确定基本方案，完成开题报告。

第4周第6周：深入学习camshift算法原理，以及该算法的性质，复杂度分析，并了解该算法在跟踪领域的应用，和opencv的使用方法，下载相关软件工具并配置编程所需要的配置环境。