基于KLT算法的人脸检测与跟踪

这个例子展示了如何使用特征点自动检测和跟踪一个人脸。在这个例子中，即使当人倾斜他或她的头，或移动到或远离相机的时候，方法仍然保持对脸的跟踪。

介绍

目标检测和跟踪在许多计算机视觉应用中非常重要，包括活动识别、汽车安全和监控。在这个例子中，你将开发一个简单的人脸跟踪系统，将跟踪问题分为三个部分:

发现一张脸
识别面部特征来跟踪
跟踪的脸

发现一张脸

首先，你必须检测脸部。使用愿景。CascadeObjectDetector目标，用于检测视频帧中人脸的位置。级联目标检测器使用Viola-Jones检测算法和训练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，但它也可以用于检测其他类型的对象。

创建一个级联检测器对象。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, videofframe);%在检测到的面周围绘制返回的边框。videoFrame = insertShape (videoFrame,“矩形”, bbox);图;imshow (videoFrame);标题(“发现脸”);

图中包含一个轴。带有“已检测面”标题的轴包含类型图像的对象。

%将第一个框转换为4个点的列表%这是能够可视化对象旋转所需要的。bboxPoints = bbox2points(bbox(1，:));

为了随着时间的推移追踪人脸，这个例子使用了Kanade-Lucas-Tomasi (KLT)算法。虽然可以在每一帧上使用级联对象检测器，但它的计算成本很高。当被测者转动或倾斜头部时，它也可能无法检测到面部。这种限制来自于用于检测的训练分类模型的类型。该示例只检测一次人脸，然后KLT算法通过视频帧跟踪人脸。

识别面部特征跟踪

KLT算法在视频帧中跟踪一组特征点。一旦检测定位了人脸，示例中的下一步就是识别出可以可靠跟踪的特征点。这个例子使用了Shi和Tomasi提出的标准“要跟踪的好特性”。

检测人脸区域的特征点。

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

图中包含一个轴。带标题特征的轴包含类型图像、线两个对象。

初始化一个跟踪器来跟踪点

确定了特性点后，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，点跟踪器试图在当前帧中找到相应的点。然后estimateGeometricTransform2D函数用于估计旧点和新点之间的平移、旋转和比例。这个变换应用于面周围的边界框。

创建一个点跟踪器，并使双向误差约束使其在存在噪声和杂波时更鲁棒。

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

初始化一个视频播放器以显示结果

创建一个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(videofframe, 2)， size(videofframe, 1)]+30]);

跟踪的脸

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

将用于计算前一帧和当前帧中点之间的几何变换的点复制一份

oldPoints =点;而hasFrame (videoReader)%得到下一帧videoFrame = readFrame (videoReader);%跟踪这些点。注意，有些点可能会丢失。[points, isFound] = step(pointTracker, videofframe);visiblePoints = points(isFound，:);oldInliers = oldPoints(isFound，:);如果>= 1%至少需要2分%估计旧点之间的几何变换%和新的点，并消除异常值[xform, inlierIdx] = estimategeometritransform2d (…oldInliers visiblePoints,“相似”,“MaxDistance”4);oldInliers = oldInliers(inlierIdx，:);visiblePoints = visiblePoints(inlierIdx，:);%应用转换到边界框点bboxPoints = transformPointsForward(xform, bboxPoints);%在被跟踪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videframe = insertMarker(videframe, visiblePoints，可视点)“+”,…“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);