摘要： 在分析人臉結(jié)構(gòu)特征的基礎(chǔ)上，通過引入人臉主要器官的結(jié)構(gòu)約束并結(jié)合改進的方向梯度直方圖特征和增量SVM， 提出了一種新的人臉跟蹤算法。實驗證明，該算法能夠顯著提高人臉跟蹤過程的穩(wěn)定性和準(zhǔn)確性，并具有良好的實時性能。

　　關(guān)鍵詞： 人臉跟蹤；結(jié)構(gòu)信息；方向梯度直方圖；增量SVM

　　目標(biāo)跟蹤是人工智能領(lǐng)域中最重要的核心問題之一，在工農(nóng)業(yè)、娛樂及軍事領(lǐng)域都具有非常重要的應(yīng)用價值[1]。目前，在目標(biāo)跟蹤研究中，常用的方法主要分為基于模型的方法和模型無關(guān)的方法兩大類?；谀Ｐ偷姆椒ㄐ枰孪葘M跟蹤的目標(biāo)進行詳細(xì)的研究，手工標(biāo)注大量的樣本并建立目標(biāo)模型實現(xiàn)對目標(biāo)的跟蹤。這類方法前期工作量大，跟蹤過程的實時性差，而且難以適應(yīng)隨機變形的目標(biāo)，特別是當(dāng)目標(biāo)較復(fù)雜，難以獲得精確的模型時，這類方法將完全失效。與模型無關(guān)的方法一般通過自動提取目標(biāo)特征和相似度比對實現(xiàn)目標(biāo)跟蹤過程。該類方法不需要事先知道目標(biāo)的先驗信息，可以在跟蹤過程中不斷對目標(biāo)特征進行學(xué)習(xí)，來改善和豐富對目標(biāo)的理解。模型無關(guān)的方法能夠快速建立目標(biāo)跟蹤并在線學(xué)習(xí)以適應(yīng)目標(biāo)變化的特點,使其具有更好的應(yīng)用價值，是目前研究的熱點[2]。

　　人臉跟蹤是當(dāng)前目標(biāo)跟蹤領(lǐng)域研究的一個熱點，其在治安、娛樂、科研等領(lǐng)域具有很大的現(xiàn)實意義。人臉目標(biāo)介于剛體和柔性體之間，具有以下特點：人臉大致輪廓和內(nèi)部器官之間結(jié)構(gòu)關(guān)系相對穩(wěn)定；跟蹤過程中內(nèi)部結(jié)構(gòu)之間的空間位置存在變形，但滿足一定約束；內(nèi)部結(jié)構(gòu)本身的形狀和大小也可能存在變形。本文通過研究人臉目標(biāo)的結(jié)構(gòu)及外觀特點，提出了一種新的結(jié)合結(jié)構(gòu)約束的人臉跟蹤方法，其基本思想是，為人臉主要的器官(雙眼、嘴)建立獨立的描述和比較模塊，并對器官間的結(jié)構(gòu)約束進行建模，利用結(jié)構(gòu)信息輔助完成目標(biāo)搜索和評分，最終確定目標(biāo)位置。實驗證明，該方法進行人臉跟蹤的準(zhǔn)確度和穩(wěn)定性較傳統(tǒng)CamShift等算法有明顯提高，而且具有良好的實時性，具有較高的應(yīng)用價值。

　　1 方法

　　1.1人臉結(jié)構(gòu)約束

　　人臉具有典型的結(jié)構(gòu)化特征，通常所謂的“五官”按照規(guī)則排列在人臉上，這些器官之間存在明顯的結(jié)構(gòu)約束，但又可以進行較大程度的變形[3-4]。在人臉跟蹤過程中,利用人臉各部分分別建模可以增加特征的穩(wěn)定性，提高跟蹤的精度[4]；同時，引入各結(jié)構(gòu)之間的約束關(guān)系，能夠提高人臉跟蹤的適應(yīng)性，排除誤報。在人臉圖像中，五官中的雙眼、嘴往往具有較大的顯著性，而鼻子、耳朵特征一般較為模糊，特別是在光線、角度不理想的情況下，鼻子、耳朵常不能提供有效的特征。因此，本文以雙眼、嘴共3個面部主要器官為對象，對它們的空間結(jié)構(gòu)約束進行建模。定義評價函數(shù)：

　　其中,Scorew為對于窗口圖像w的評分。等式右邊包括兩部分，第一部分為檢測圖像與目標(biāo)的特征相似度，本文通過方向梯度直方圖結(jié)合SVM獲得；第二部分為目標(biāo)各模塊之間的結(jié)構(gòu)化約束評分。為了兼顧跟蹤的準(zhǔn)確性和實時性要求，這里結(jié)構(gòu)信息采用了雙眼間向量(距離，角度)、嘴部與雙眼間向量(距離，角度)共6個約束形成的三角形作為結(jié)構(gòu)約束，如圖1所示。?姿1、?姿2分別是兩部分的權(quán)重因子。人臉跟蹤的過程就是尋找式(1)最小值的過程。

　　1.2 改進的方向梯度直方圖

　　方向梯度直方圖HOG(Histogram of Oriented Gradient)特征是一種常用的圖像特征描述子，如圖2所示，由法國國家計算機技術(shù)和控制研究所的DALAL N和TRIGGS B在2005年的CVPR上首次提出。由于其對幾何和光學(xué)變形具有良好的適應(yīng)性，HOG特征已經(jīng)被廣泛應(yīng)用于計算機視覺和圖像處理中[5]。通過計算和統(tǒng)計圖像局部區(qū)域的HOG來構(gòu)成特征。為了對各模塊進行特征提取并保證系統(tǒng)的實時性，本文根據(jù)人臉跟蹤的具體情況對經(jīng)典HOG算法進行了針對性的優(yōu)化，方法如下。

　　(1)對輸入圖像進行顏色空間的標(biāo)準(zhǔn)化(Gamma校正法)，以降低圖像局部的陰影和光照變化所造成的影響。

　　(2)獲取滑動窗圖像并灰度化，將圖像統(tǒng)一為48×64大小的標(biāo)準(zhǔn)圖像。

　　(3)計算圖像每個像素的方向梯度。

　　(4)根據(jù)跟蹤的目標(biāo)大小,將圖像劃分成4像素×4像素的方格。

　　(5)將360°按每個方向45°劃分為8個方向。與經(jīng)典HOG算法不同，本文根據(jù)每個像素的梯度方向，將其幅值線性差值計入與其方向相鄰的兩個方向通道內(nèi)，統(tǒng)計每個方格的HOG。

　　(6)將所有方格得到的HOG串聯(lián)起來便得到改進的HOG特征。

　　與經(jīng)典算法相比，優(yōu)化的HOG特征簡化了圖像分塊策略，提高了特征計算的速度。同時，由于增加了方向差值過程，使方向梯度的穩(wěn)定性得到了較大提高，具有更好的抗噪聲性能。實驗證明，在本應(yīng)用中該特征在提高計算速度的前提下對圖像具有不低于經(jīng)典HOG算法的表征能力。

　　1.3 增量SVM

　　支持向量機(SVM) 是VAPNIK等人提出的一種經(jīng)典的機器學(xué)習(xí)方法，由于其優(yōu)越的學(xué)習(xí)能力，一經(jīng)提出就在國內(nèi)外學(xué)術(shù)界受到廣泛重視。SVM算法通過使用非線性映射將低維樣本映射到高維空間，并在高維空間使用結(jié)構(gòu)風(fēng)險最小化理論構(gòu)建全局最優(yōu)分割超平面，能夠使整個樣本空間的期望風(fēng)險以某個概率滿足一定上界[6]。

　　雖然SVM具有很多優(yōu)勢，但其經(jīng)典理論并不具有增量學(xué)習(xí)的能力，即要求使用者在訓(xùn)練初期能夠收集一個相對完整的訓(xùn)練集[7]。對于非模型目標(biāo)跟蹤來說，在跟蹤初期，對目標(biāo)的描述和理解往往是片面的，很難獲得完善的訓(xùn)練集，因此需要在跟蹤過程中對學(xué)習(xí)機進行不斷的修正。如果使用經(jīng)典SVM訓(xùn)練方法，每次增加樣本時，需要對所有原始樣本重新訓(xùn)練，訓(xùn)練時間將隨著跟蹤的持續(xù)而不斷提升，最終導(dǎo)致不能實時跟蹤。為了解決這一問題，本文將核函數(shù)局部化算法引入SVM理論，實現(xiàn)在不顯著增加訓(xùn)練時間的前提下不斷更新樣本，使SVM分類精度可以隨著跟蹤的進行和樣本集的積累而逐步提高。需要特別指出的是，本文在式(1)中使用的是SVM的特征距離，而非SVM預(yù)測標(biāo)簽。

　　首先按照經(jīng)典SVM訓(xùn)練方法得到初始分類器，經(jīng)典SVM的判別函數(shù)一般表示為：

　　其中，K(·)為核函數(shù)，獲得最優(yōu)超平面f和支持向量集SV。利用核函數(shù)的局部特征，當(dāng)跟蹤到目標(biāo)得到新的樣本后，驗證KKT條件:

　　其中，非零?琢i為支持向量。判斷新樣本是否能被超平面f正確分類，如果新樣本能夠被正確分類，則說明該新樣本在分類內(nèi)部，此時不需要對分類器進行修正，即可進行下一輪跟蹤；如果不能被正確分類，則需要調(diào)整分類器。需要指出的是，當(dāng)新增樣本違背KKT條件時，原樣本集中非支持向量也可能轉(zhuǎn)化為支持向量，因此需要由新增樣本得到一個新的SVM來檢驗原始樣本是否違背KKT 條件。最終由所有支持向量與所有違背KKT條件的樣本組合構(gòu)成新的訓(xùn)練集，并得到最終的新的SVM。該增量學(xué)習(xí)方法不僅具有良好的數(shù)學(xué)基礎(chǔ)，而且僅使用現(xiàn)有樣本中少量的樣本進行重新訓(xùn)練，大大降低了SVM的訓(xùn)練時間，提高了系統(tǒng)實時性[6]。

　　2 結(jié)合結(jié)構(gòu)信息的人臉跟蹤算法

　　綜合以上各部分，本文提出的算法具體流程如下：

　　(1)獲取第一幀圖像并手動框定人臉及雙眼、嘴部區(qū)域，生成初始化樣本集。

　　(2)提取雙眼、嘴部改進的方向梯度直方圖特征，訓(xùn)練初始SVM；計算結(jié)構(gòu)約束，初始化結(jié)構(gòu)參數(shù)。

　　(3)取下一幀，搜索雙眼及嘴部候選區(qū)域，記錄SVM距離。

　　(4)在候選區(qū)域中尋找最小化式(1)的區(qū)域，作為跟蹤結(jié)果。

　　(5)根據(jù)跟蹤結(jié)果修正結(jié)構(gòu)參數(shù)。

　　(6)每累計跟蹤10幀，利用新的正負(fù)樣本(正樣本為跟蹤到的目標(biāo)，負(fù)樣本為搜索過程中獲得的目標(biāo)周圍的圖像區(qū)域)增量更新SVM。

　　(7)返回到步驟(3)，進行下一輪跟蹤。

　　3 實驗

　　實驗所用的計算機平臺為I3-2120 @3.30 GHz CPU，4 GB內(nèi)存，操作系統(tǒng)為Windows XP SP3。測試程序在MATLAB 2011b平臺下實現(xiàn)。本文選取了近年來比較著名的電影和電視劇中的片段作為測試對象。在這些片段第1幀用鼠標(biāo)框取了待跟蹤人臉及其雙眼和嘴部，從第2幀開始進行跟蹤，部分結(jié)果如圖3所示。將本文提出的算法與經(jīng)典CamShift算法相比較，結(jié)果如表1所示,可以看出本文算法在跟蹤精度上具有明顯優(yōu)勢。

　　本文通過研究人臉的結(jié)構(gòu)特征，對人臉主要器官的結(jié)構(gòu)約束進行建模，并結(jié)合改進的HOG與增量SVM,開發(fā)出一種新的人臉跟蹤算法。實驗結(jié)果表明，本文提出的算法能夠在人臉跟蹤過程中更好地適應(yīng)目標(biāo)的角度變化和部分遮擋，跟蹤精度和穩(wěn)定性優(yōu)于傳統(tǒng)的CamShift算法，并能夠達到實時性要求。

　　參考文獻

　　[1] 馬曉路，劉倩，牟海軍.基于Mean Shift 和粒子濾波的運動目標(biāo)跟蹤[J].微型機與應(yīng)用,2012，31(23)：42-44.

　　[2] 張寶峰，趙建平，朱均超. 基于OpenCV的室內(nèi)環(huán)境下多目標(biāo)跟蹤[J].微型機與應(yīng)用, 2013，32(9)：24-26．

　　[3] Zhang Lu， Laurens van der Maaten． Structure PreservingObject Tracking[C]． 2013 IEEE Conference on Computer Vision and Pattern Recognition，2013:1838-1845．

　　[4] BRANSON S, PERONA P, BELONGIE S. Strong superv-ision from weak annotation: interactive training of defor-mable part models[C]. 2011 IEEE International Conference on Computer Vision, 2011:1832-1839.

　　[5] 王文武， 王華昌. 嵌入式客流量統(tǒng)計模塊的設(shè)計和實現(xiàn)[J].電子技術(shù)應(yīng)用,2011，37(8):33-35.

　　[6] 牛勝石，毛曉暉，侯建華，等.基于Adaboost和SVM的人頭實時檢測[J].微型機與應(yīng)用,2010，13(1)：33-36.

　　[7] 潘以楨， 胡越明. 改進的在線支持向量機訓(xùn)練算法[J].計算機工程,2009，35(22)：212-215.