基于帧间差分与时空上下文的人脸检测跟踪算法

韦智勇 周立广

【摘 要】人脸检测与跟踪算法存在尺寸、遮挡、背景等问题，同时时空上下文跟踪算法也存在无法对目标自动跟踪的漏洞，为了改进这些缺点，文章把传统的人脸检测用帧间差分法进行改进，人脸跟踪算法用时空上下文跟踪算法进行改进，同时把这两种算法有机结合起来，弥补时空上下文跟踪算法的漏洞，通过对比分析改进前后的实验数据，改进后的算法对人脸检测与跟踪更具精准和高效性。

【关键词】帧间差分;时空上下文;自动检测;目标跟踪;人脸识别

【中图分类号】TP391.41 【文献标识码】A 【文章编号】1674-0688（2020）05-0056-02

0 引言

隨着信息技术的高速发展，检测与跟踪技术成为视觉领域的研究热点，尤其在人脸检测和跟踪方面，发展尤为迅速。在人脸检测算法方面，目前主要有基于特征的人脸检测算法、基于统计的人脸检测方法、基于统计的人脸检测方法3类，主要是在视频图像中确定人脸所有的具体位置及大小[1]。随着人脸检测应用范围的逐步扩大，对人脸检测精准性要求也越来越高，对人脸检测的精准性提升是将来的一个研究方向;对于人脸跟踪算法方面，主要是面向任意目标的跟踪方法，即根据人脸检测得出的数据，通过计算得出目标所有的具体位置，该算法主要由目标特征、搜索方法及模型更新组成。

1 传统人脸检测与跟踪算法存在的问题

（1）目标特征各不相同：每个目标都有自己特征，例如人脸的长宽、皮肤颜色、面部表情特点等，这些特征对检测有很大的影响。

（2）遮挡：对于目标而言，如果有物品遮挡，例如戴帽子、戴围巾、衣服遮挡等，此时对人脸检测会造成较大的影响，造成人脸识别上的误差。

（3）背景的差异：由于每个目标所在的环境背景不相同，所以目标所在的背景与目标本身的颜色有可能存在相似或相近的现象，这样在人脸检测过程中，有可能误把目标的环境背景当成目标本身。

（4）低帧率现象：目标有时不处于静止状态，如果目标处于运动或高速运动的状态时，会造成前后两帧的变化量较大，进而可能会造成识别错误，产生丢帧的现象，即“低帧率现象”，导致无法跟踪该目标所在的位置。

（5）尺度变化：在目标检测过程中，如果目标尺度突然发生变化，目标跟踪如果不能及时调整，检测可能受到影响。

（6）场景改变：目标如果从一个环境突然切换到另外一种环境，有可能无法对目标进行实时跟踪，造成目标丢失。

（7）其他因素：在目标检测后成像过程中，如果受到其他一些外界影响，例如光线、像素等，都有可能会造成图像或视频模糊现象。

2 人脸帧间差分检测法

4 算法构想

为了能实现对人脸跟踪的实时性和稳定性，必须解决一些外在因素的影响，例如目的大小变化、背景差异、光线强度、遮挡等。因此，在代代人脸检测过程中，在人脸图像或视频帧的采集过程中引入帧间差分的算法，提高检测的精准性，同时在跟踪算法中用时空上下文算法进行替代，通过建模推算出置信图，再根据置信图换算得出目标所有的具体位置，这样可屏蔽外来因素的影响，能快速、准确地定位人脸的具体位置。

此外，对于时空上下文算法而言，虽然该算法具有高效性、鲁棒性好的特点，但是该算法本身存在一个缺陷，就是必须用人为方式为该算法提供人脸的相关数据后再进行跟踪，由于人为方式与实际有着较大差别，故跟踪的结果可能存在较大误差[4]。基于这种情况，如果把基于帧间差分的人脸检测方式运用到时空上下文跟踪算法内，把检测数据直接传送给时空上下文跟踪算法中，通过这两个算法的有机结合，可解决时空上下文跟踪算法无法实行自动跟踪的缺陷问题。

5 算法流程

本文把人脸检测的帧间差分法和时空上下文跟踪法有机结合起来，首先把前后相邻的帧作差分运算，如果值为1则表示前景，反之为0则表示背景，然后把运算得到人脸位置及尺寸信息传给时空上下文跟踪模块，跟踪模块根据传输的数据进行实时跟踪。算法流程如图1所示。

6 实验结果分析

为了验证本文算法的跟踪效果，本文对几种跟踪算法进行跟踪效果的对比，测试指标有中心位置误差和重叠率，中心位置误差主要是指在人脸跟踪过程中所测得的目标框的位置，与实际的目标中心的位置误差[5]。其中包括STC、WSTC、KF-STC算法，测试的条件包括光线、遮挡、旋转，测试通过测试光线、背景条件下的测试，得出各算法中心位置的误差和重叠率。同样，再通过测试遮挡、旋转条件下的测试，得出各算法中心位置的误差和重叠率[6]。

通过一系列测试的实验结果，本算法对传统人脸检测跟踪，具有较大的改进，在遮挡条件下的测试中，对模型漂移的问题进行了整改，在其他的算法中由于各帧的累计误差，当超过某一帧时误差就会明显，跟踪效果明显会差很多，而本文算法，在这一问题上得到了优化和改进，与此同时，时空上下文不能自动跟踪的问题也得到有效解决。由于跟踪过程出现了外界的干扰，几种方法重叠率较高，而本文算法重叠率较低，即跟踪效果较好。

7 结语

本文通过对传统的人脸检测算法及跟踪算法进行了改进，把这两种算法有机结合，实现了对人脸的检验与跟踪。帧间差分法具有检测快速、精准、受外界干扰影响较小等特点，能够准确地检测出人脸的尺寸和中心位置，相对于传统的检测算法，误差大大减小，从而提高了人脸跟踪的精准性。此外，两种算法的结合，还需要进一步提高跟踪的效率，故下一步会把提高效率作为研究的重点。

参 考 文 献

[1]汤宝燕，杨绍清，刘松涛.基于时空上下文的多目标跟踪算法[J].电脑知识与技术，2019（6）：62-66.

[2]侯志强，王帅，余旺盛，等.融合检测机制的鲁棒相关滤波视觉跟踪算法[J].应用光学，2019（9）：81-85.

[3]Guzzi Francesco，De Bortoli Luca，Molina Romina Soledad，etal.Distillation of an End-to-End Oracle for Face Verification and Recognition Sensors[J].Sensors（Basel，Switzerland），2019（5）：464-468.

[4]靳晓缘，徐望明，伍世虔.基于虚拟曝光融合的光照自适应人脸图像增强方法[J].武汉科技大学学报，2019（10）：93-98.

[5]张培，徐望明，伍世虔，等.基于多方向Gabor特征图协同表示的鲁棒人脸识别[J].中南大学学报（自然科学版），2019（11）：163-167.

[6]李明生，赵志刚，李强，等.基于改进的局部三值模式和深度置信网络的人脸识别算法[J].青岛大学学报（自然科学版），2019（11）：73-76.