基于KLT算法的人脸检测与跟踪

打开生活的脚本

这个例子展示了如何使用特征点自动检测和跟踪人脸。这个例子中的方法即使当人倾斜他或她的头，或走向或远离相机，也会跟踪脸部。

介绍

目标检测和跟踪在许多计算机视觉应用中都很重要，包括活动识别、汽车安全和监视。在本例中，您将开发一个简单的面部跟踪系统，将跟踪问题分为三个部分:

发现一张脸
识别面部特征以跟踪
跟踪的脸

发现一张脸

首先，你必须检测人脸。使用愿景。CascadeObjectDetector对象，用于检测视频帧中人脸的位置。级联对象检测器使用Viola-Jones检测算法和训练过的分类模型进行检测。默认情况下，检测器被配置为检测人脸，但它可以用于检测其他类型的对象。

%创建级联检测器。faceDetector = vision.CascadeObjectDetector ();%读取视频帧并运行人脸检测器。videoReader = videoReader (“tilted_face.avi”）;videoFrame = readFrame (videoReader);bbox = step(faceDetector, videoFrame);%在检测到的面周围绘制返回的边界框。videoFrame = insertShape (videoFrame,“矩形”, bbox);图;imshow (videoFrame);标题(“发现脸”）;

图中包含一个轴对象。标题为“检测到的脸”的轴对象包含类型为图像的对象。

%将第一个方块转换成4个点的列表%这是需要能够可视化的旋转对象。bboxPoints = bbox2points(bbox(1，:)));

为了跟踪人脸，本例使用了Kanade-Lucas-Tomasi (KLT)算法。虽然可以在每一帧上使用级联对象检测器，但这在计算上是昂贵的。当受试者转动或倾斜头部时，它也可能无法检测到面部。这个限制来自于用于检测的训练分类模型的类型。该示例只检测人脸一次，然后KLT算法在视频帧中跟踪人脸。

识别面部特征跟踪

KLT算法在视频帧中跟踪一组特征点。一旦检测定位到人脸，示例中的下一步将识别可以可靠跟踪的特征点。本例使用了Shi和Tomasi提出的标准“跟踪好的特性”。

检测人脸区域的特征点。

点= detectMinEigenFeatures (rgb2gray (videoFrame),“投资回报”, bbox);%显示检测到的点。人物,imshow (videoFrame)在、标题(检测功能的）;情节(点);

图中包含一个轴对象。标题为“检测到的特征”的轴对象包含两个类型为image, line的对象。

初始化跟踪器来跟踪点

确定特征点后，您现在可以使用愿景。PointTracker系统对象来跟踪它们。对于前一帧中的每个点，点跟踪器尝试找到当前帧中对应的点。然后estimateGeometricTransform2D函数用来估计旧点和新点之间的平移、旋转和比例。这个转换应用于脸部周围的包围框。

创建一个点跟踪器，并启用双向误差约束，使其在噪声和杂波存在时更健壮。

pointTracker =愿景。PointTracker (“MaxBidirectionalError”2);用初始点位置和初始值初始化跟踪器%的视频帧。点= points.Location;初始化(pointTracker点,videoFrame);

初始化视频播放器以显示结果

创建用于显示视频帧的视频播放器对象。

放像机=愿景。放像机(“位置”，．..[100 100 [size(videoFrame, 2)， size(videoFrame, 1)]+30]);

跟踪的脸

从一帧到另一帧跟踪点，并使用estimateGeometricTransform2D函数来估计脸部的运动。

复制点，用于计算前一帧和当前帧之间的几何变换

oldPoints =点;而hasFrame (videoReader)获得下一帧videoFrame = readFrame (videoReader);%追踪积分。注意，有些分数可能会丢失。[points, isFound] = step(pointTracker, videoFrame);visiblePoints = points(isFound，:);olddinliers = oldPoints(isFound，:);如果>= 1%需要至少2分估计旧点之间的几何变换%和新点，并消除异常值[xform, inlierIdx] = estimateGeometricTransform2D(．..oldInliers visiblePoints,“相似”，“MaxDistance”4);oldInliers = oldInliers(inlierIdx，:); / / / / / /visiblePoints = visiblePoints(inlierIdx，:);对包围盒点应用变换bboxPoints = transformpointforward (xform, bboxPoints);在被跟踪的对象周围插入一个边界框bboxPolygon =重塑(bboxPoints'， 1， []);videoFrame = insertShape (videoFrame,“多边形”bboxPolygon,．..“线宽”2);显示跟踪点videoFrame = insertMarker(videoFrame, visiblePoints，“+”，．..“颜色”，“白色”）;重置点数oldPoints = visiblePoints;选点(pointTracker oldPoints);结束使用视频播放器对象显示带注释的视频帧步骤(放像机、videoFrame);结束%清理释放(放像机);