一种嵌入式环境下的实时人脸跟踪方法

合集下载

基于嵌入式视频监控的人脸检测系统设计

Ｂｏ人脸检测算法，ｏｓｔ最终获得人脸位置。结果表明，系统对人脸检测效果良好，准确率可达
９．％，５２检测时间２２ｓｆｍｅ满足视频监控的实时性要求。２— ７ｍ／ａ，ｌ
关键词：入式；频监控；ｅｖｘ运动目标检测；ｄＢｏｔ嵌视Ｓｒｏ；ｆＡａｏｓ
ＡｂｔａｔＲｅｕｒｄｂｈｎｅｌｅｔｉｇｏｉｅｎｔｒｓｓｅ，ｈｓｐｐｒｐｏｏｅａｅｄｔｃｉｎｄｓｇａｅｓｒｃ￣ｑｉｅｙｔｅｉｔｌｇｎｉｎｆｖｄｏｍｏｉｙｔｍｔｉａｅｒｐｓｓａｆｃｅｅｔｅｉｎｂｓｄｉｚｏｏｏｍｂｄｅｉｅｎｔｒＷｉｈｅｐｏｅｔｎａｔｎｏｅ，ｘｓｒａｎｄａｏｎｅｅｄｄｖｄｏｍｏｉ．ｔｔｅｈｌｆｈａｓｃｉｆｎｆｔｅｍｉｇｍｅｉｎＡＲＭ－ｉｕｐｒｔｎｐａ— ｏｈｔｒｏＳ０Ｌｎｘｏｅａｉｌｔｏ
ＷＵＬ — ｈｎ，Ｉｈｎ，ＵＰｉｎ，ｕｓｅＬＵＺｅＷｅ— ｍｉＭＥＮＧＦｎｗｅａ— ｎ
（ｃｏｌｆｃａｉｌｎｌｃｃｌｎｉｅｒｇＮｎｈｎｎｖｒｔ，ａｃａｇ３０３，ｈａＳｈｏｏＭｅｈｎｃｄＥｅｔａＥｇｅｎ，ａｃａｇＵｉｓｙＮｎｈｎ３０１Ｃｉ）ａａｉｒｎｉｅｉｎ
ｔｅｂｃｇｏｎｎｈｔａｒｃｈｖｎａｇｔａｄａｅｓｍｅｔｏｌｓｅｈｎｌｅｃｆｈｖｎｒｅｈａｋｒｕｄａｄｔａｎｔｋｔｅｍｏｉｇｔｒｅｎｔｔａｉｔｅｓｎｔｅｉｆｎｅｏｅｍｏｉｇｔｇｔｃａｈｍｅｕｔａ

人脸识别技术的自动跟踪功能及使用技巧

人脸识别技术的自动跟踪功能及使用技巧人脸识别技术是近年来迅速发展的一项先进技术，它在各个领域都有着广泛的应用。

其中，自动跟踪功能是人脸识别技术的重要应用之一，它可以对特定人脸进行实时跟踪和监测。

本文将介绍人脸识别技术的自动跟踪功能及使用技巧，帮助读者更好地理解和应用这项技术。

一、自动跟踪功能的原理人脸识别技术的自动跟踪功能主要通过计算机视觉算法实现。

首先，系统需要对输入的视频图像进行分析和处理，提取其中的人脸信息。

接下来，通过对人脸进行特征提取和模式匹配，系统可以识别出特定人脸，并将其与数据库中的人脸信息进行比对。

一旦识别成功，系统就可以在视频中实时跟踪和监测该人脸的位置和动态信息。

在实现自动跟踪功能时，需要考虑以下几个因素：1. 光照条件：光照条件对人脸识别的准确性有很大影响。

因此，在使用自动跟踪功能时，应尽量选择光线较好的环境，并避免出现强烈的背光情况。

2. 视频质量：良好的视频质量有助于提高跟踪效果。

如果视频质量较差，可能会导致画面模糊或者失去关键信息，从而影响识别和跟踪的准确性。

3. 视频流畅性：自动跟踪功能对视频流畅性有一定要求。

如果视频帧率较低，可能会导致跟踪过程中出现卡顿或延迟的情况，从而降低了系统的实时性和准确性。

二、使用技巧1. 选择适当的设备和系统要想充分发挥人脸识别技术的自动跟踪功能，首先需要选择适当的设备和系统。

一些高性能的监控摄像头和专业的人脸识别软件可以很好地支持自动跟踪功能的实现。

此外，在操作系统的选择上，根据具体需求选择合适的Windows、Linux或者嵌入式系统。

2. 优化环境和摄像头设置为了提高自动跟踪功能的准确性和效果，可以优化环境和摄像头的设置。

例如，调整摄像头的角度和高度，使其能够更好地捕捉到人脸信息。

此外，还可以通过合理的光照安装来优化环境，减少阴影和干扰。

3. 视频流处理和分析自动跟踪功能需要对视频流进行处理和分析。

为了提高效果，可以在图像处理过程中采用适当的算法和技术，例如人脸检测、人脸识别、运动目标跟踪等。

嵌入式人脸检测算法的研究与实现

智能家居、户￣Ｔ布控点人员监控等）们需要一种被先后提出。Ｍｉ－ｓａａｇ２等人将目前的人脸ＩＦ＇人ｎＨｕｎＹｎ［］ｇ携带方便、安装简单的人脸检测应用系统。研究基于检测技术分为：（）ａ基于知识方法；（）ｂ基于特征不变量嵌入式系统的人脸检测方法具有很强的现实意义和应方法；（）ｃ模版匹配法；（）ｄ基于外观的方法。
检测开始走向实用阶段。在后期的研究过程中，Ｖｏａ的嵌入式人脸识别系统的工作框图。ｉｌ本人在论文 ” ａｔｎｂｓａｓｆａｉｎｕｉｇＦｓｄＲｏｕｔＣｌｓｉｃｔｓｎａｉｏ
Ａｓｍｍｅｒａｏｓｎｅｅｔｒａｃｄ ”［］ｙｔｃＡｄＢｏｔｄａＤｔｃｏｓａｅ４ｉａＣ
面内旋转人脸实时检测系统［］５；并且Ｌｅｈｒ人提ｉｎａｔ等出了新的旋转Ｈａ－ｋ特征［］ａｒｉｅｌ６，可以用于旋转人脸的
快速检测。１２．基于Ｈａｌａｒ￣人脸检测分类器利用人脸类Ｈａ特征和比较成熟的是Ａａｏｓａｒｄｂｏｔ
囝
实现。本文使用ＯｐｎＶ函数库，所以要｝，ｅＣ移ｅＣＰ＿＿＿ＯｐｎＶ
３结束语
本文介绍了基于ＡＲＭ的特定人脸检测技术，提出
植到嵌入式设备中。具体步骤如下：首先交叉编译利用
ｃｎｇｒＹ系统进行配置，由于ＥＬｄ２０ｏｆｕｅ￣ｌＥｉ７嵌入式开发了一种方案，着重叙述介绍了人脸检测算法分析及应ｏ平台没有移植ＧＴ函数库￥ｐｔｏ函数库，所以要将它用程序开发等，在Ｅｉｄ２０Ｋ１ｙｈｎ］ＥＬｏ７嵌入式开发平台实现了们屏蔽。然后执行编译和安装命令如下：该系统，结合实际图片进行了人脸检测测试，实践结

基于嵌入式系统的图像跟踪技术的设计与实现的开题报告

基于嵌入式系统的图像跟踪技术的设计与实现的开题报告一、选题的背景和意义随着计算机技术的快速发展和数字图像处理技术的不断成熟，图像跟踪技术逐渐被广泛应用于各个领域，如智能视频监控、自动驾驶、机器人视觉等。

图像跟踪技术的目的是在给定的图像序列中，找到感兴趣目标的位置，并跟随目标实现对其的实时跟踪。

目前，图像跟踪技术已经成为了机器视觉和计算机视觉领域中的热门研究课题。

本课题旨在基于嵌入式系统设计并实现一种高效的图像跟踪技术。

我们将基于ARM Cortex-M系列单片机和OpenCV等开源软件平台，采用目标检测和运动估计等算法，完成图像跟踪系统的设计和实现。

该系统将具有实时性强、性能卓越、可靠稳定等特点，在智能监控、自动驾驶及其他领域中有广泛的应用前景。

二、研究的内容和方案本研究主要内容为设计一种高效的嵌入式图像跟踪系统，方案如下：1. 系统硬件选型本系统将采用ARM Cortex-M系列单片机作为核心控制器，通过集成的DSP和片上存储器来提高计算效率和系统响应速度。

同时，还需要选用高像素、高速度的图像传感器和低功耗的图像处理器，以保证系统的实时性和能耗效率。

2. 图像信号采集与处理本系统将采用图像传感器采集输入图像，经过硬件预处理后输入后端算法进行处理。

首先需要进行图像预处理，如去噪、增强、滤波等操作，以提高图像质量和减少干扰。

随后将采用目标检测算法和运动估计算法，对目标区域进行提取和分析，并实时跟踪目标的位置和运动轨迹。

3. 系统算法设计与优化本系统将采用基于OpenCV等开源软件平台的目标检测和运动估计算法，并对算法进行优化和改进，以提高算法的准确性和计算效率。

具体而言，我们将采用Haar特征分类器、卡尔曼滤波器、神经网络等算法，来对目标进行检测、跟踪和预测。

4. 系统结构设计本系统将采用分布式结构，将前端图像预处理模块、中间算法处理模块和后端图像显示和控制模块分别实现，并通过串行或并行的方式进行通信和数据交换。

《2024年基于嵌入式系统的人脸考勤机的设计》范文

《基于嵌入式系统的人脸考勤机的设计》篇一一、引言随着科技的不断进步，人脸识别技术已经广泛应用于各个领域，如安防、支付、考勤等。

人脸考勤机作为企业、学校等单位管理员工出勤的重要工具，其设计及性能的优劣直接影响到管理效率及员工的工作体验。

本文将介绍一种基于嵌入式系统的人脸考勤机的设计，以期为相关领域的研究与应用提供参考。

二、系统架构设计基于嵌入式系统的人脸考勤机主要由硬件和软件两部分组成。

硬件部分包括嵌入式处理器、摄像头、存储器等；软件部分则包括操作系统、人脸识别算法、数据库等。

1. 硬件设计硬件部分的核心是嵌入式处理器，其性能直接决定了人脸考勤机的处理速度及稳定性。

我们选用高性能的嵌入式处理器，如ARM或MIPS架构的处理器，以保证系统的运行效率。

此外，还需配备高像素的摄像头，以捕捉清晰的人脸图像。

存储器则负责存储人脸图像数据、考勤记录等信息。

2. 软件设计软件部分包括操作系统、人脸识别算法、数据库等。

操作系统选用实时性较强的嵌入式操作系统，如Linux或RTOS。

人脸识别算法是系统的核心，我们选用成熟的人脸识别算法，如基于深度学习的人脸识别算法，以提高识别的准确性和速度。

数据库则用于存储人脸图像数据、考勤记录等信息，方便后续的数据查询和管理。

三、功能实现基于嵌入式系统的人脸考勤机具有以下功能：1. 人脸图像采集：通过高清摄像头采集员工的人脸图像。

2. 人脸识别：通过人脸识别算法对采集到的人脸图像进行识别，并与数据库中的人脸数据进行比对，以确认员工的身份。

3. 考勤记录：记录员工的考勤信息，包括进出时间、迟到、早退等。

4. 数据管理：对考勤数据进行存储、查询、统计等管理操作。

5. 报警功能：当员工未按时到岗或离岗时，系统可发出报警信息，以便管理员及时处理。

四、优势与展望基于嵌入式系统的人脸考勤机具有以下优势：1. 识别准确：采用成熟的人脸识别算法，提高识别的准确性和速度。

2. 操作简便：员工只需在考勤机上刷脸即可完成考勤，操作简便快捷。

人脸识别嵌入式实训报告

一、引言随着人工智能技术的飞速发展，人脸识别技术作为生物识别技术的一种，因其高准确性、非接触性和易用性等优点，在安防、金融、医疗、教育等领域得到了广泛应用。

为了深入了解人脸识别技术，我们进行了人脸识别嵌入式实训，通过实际操作，掌握了人脸识别系统的设计与实现方法。

二、实训目的1. 熟悉人脸识别技术的原理和流程。

2. 掌握人脸识别嵌入式系统的设计与实现方法。

3. 培养动手能力和团队协作精神。

三、实训内容1. 人脸检测人脸检测是人脸识别系统的第一步，主要目的是从图像中检测出人脸区域。

实训中，我们使用了OpenCV库中的人脸检测算法，通过Haar级联分类器进行人脸检测。

2. 人脸特征提取人脸特征提取是将人脸图像转换为可用于识别的特征向量。

实训中，我们使用了Local Binary Patterns Histograms (LBPH) 算法进行人脸特征提取。

3. 人脸识别人脸识别是将提取的特征向量与数据库中的人脸特征进行比较，从而识别出目标人脸。

实训中，我们使用了Nearest Neighbor (NN) 算法进行人脸识别。

4. 嵌入式系统设计我们选择了STM32微控制器作为嵌入式系统平台，利用其丰富的片上资源，实现了人脸识别系统的硬件设计。

主要包括以下模块：- 图像采集模块：采用OV7670摄像头模块进行图像采集。

- 图像处理模块：使用STM32的片上资源进行图像预处理、人脸检测和特征提取。

- 存储模块：使用SD卡存储人脸特征数据库。

- 显示模块：使用TFT LCD显示屏显示识别结果。

5. 软件设计软件设计主要包括以下部分：- 图像处理程序：使用OpenCV库进行图像处理，包括人脸检测和特征提取。

- 识别程序：使用NN算法进行人脸识别。

- 用户界面程序：使用Qt库开发跨平台用户界面，实现系统功能。

四、实训结果通过实训，我们成功设计并实现了一个基于STM32的人脸识别嵌入式系统。

系统能够实时检测人脸、提取特征并进行识别，识别准确率达到90%以上。

基于AdaBoost算法的人脸检测在嵌入式系统中的实现

Ｋｅｏｄ：ａｅｄｔｔｎｄＢｏｔｇｒｈｈｒｗｒｃｅｅａｏ；ｉｄＰｏｒｍｂａｒｙＦＧ）ｙｗｒｓｆｅｃｏ；Ａａｏｓａｏｔｍ；ａｄａｅａｃｌｒｉＦｅ —ｒｇａｍａｌＧｔＡｒ（ＰＡｃｅｉｉｌｔｎｌｅｅａ
李先锋花小朋赵，，峰孔令东，
（．１盐城工学院信息工程学院，苏盐城２４５；．海交通大学微电子学院，海２０４）江２０１２上上０２０
摘要：为解决人脸检测实时性问题，对Ａａｏｓ算法纯软件实现的瓶颈，出基于ＦＧ针ｄＢｔ提ＰＡ平台的硬件加速策略，用流采
．
ａｄａｈｅｅａｄｔｃｉｎｎｃｉｖｅｅｔｏ
ｒｔ８ｗｔａｓｌｒａｅｏ％，Ｓｔｃｎｍｅｔｔｅｒｑｉｅｎｓｏｅｌｔａｅｄｔｃｉｎａｅｏ９％ｆｉａｆｅａａｍｒｔｆ１ｈｌＯｉａｅｈｅｕｒｍｅｔｆｒａ — ｍｅｆｃｅｅｔｏ．ｉ
越来越迫切。
法，软件实现中对积分图的访问是该算法的瓶颈，纯
ＡｂｔａｔＴｏｖｈｅｈｉａｒｂｅｏｅｌｔａｅｄｔｃｉｎａｄｂｅｋｔｒｕｈｔｅｂｔｅｅｋｏａｏｓａｇｒｔｍ，ａｓｒｃ：ｏｓｌｅｔｅｔｃｎｃｌｐｏｌｍｆｒａ—ｉｆｃｅｅｔｎｒａｈｏｇｈｏｔｎｃＡｄＢｏｔｌｏｉｍｅｏｌｆｈ

《2024年基于ARM架构的嵌入式人脸识别技术研究》范文

《基于ARM架构的嵌入式人脸识别技术研究》篇一一、引言随着科技的不断进步，人脸识别技术已成为现代安全领域中重要的生物识别技术之一。

该技术广泛应用于各种领域，如门禁系统、安防监控、移动支付等。

为了满足实际应用中的需求，本文将探讨基于ARM架构的嵌入式人脸识别技术的研究。

二、ARM架构概述ARM架构是一种广泛应用的嵌入式系统架构，以其低功耗、高性能的特点在移动计算、物联网等领域占据重要地位。

ARM架构的处理器具有强大的计算能力和灵活的配置，使其成为人脸识别技术实现的理想平台。

三、嵌入式人脸识别技术嵌入式人脸识别技术是将人脸识别算法集成到嵌入式系统中，实现快速、准确的人脸检测与识别。

该技术主要包括人脸检测、特征提取和人脸比对三个主要步骤。

其中，人脸检测是识别过程的第一步，用于确定图像中的人脸位置；特征提取则是提取人脸的特征信息，如面部轮廓、眼睛、鼻子和嘴巴等部位的形状和位置；人脸比对则是将提取的特征信息与数据库中的人脸特征进行比对，以确定身份。

四、基于ARM架构的嵌入式人脸识别技术实现在嵌入式系统中实现人脸识别技术，需要考虑到系统的硬件配置、算法优化和功耗控制等因素。

基于ARM架构的嵌入式人脸识别系统通常采用高性能的ARM处理器，配合适当的存储器和外设接口，以实现快速的人脸检测与识别。

在算法优化方面，针对嵌入式系统的特点，需要采用轻量级的人脸识别算法，以降低系统的计算复杂度和功耗。

同时，还需要对算法进行优化，以提高识别的准确性和速度。

在功耗控制方面，需要采用低功耗的设计方案，以延长系统的使用时间。

五、技术研究与应用在基于ARM架构的嵌入式人脸识别技术研究中，需要关注以下几个方面：1. 算法研究：研究轻量级的人脸识别算法，以提高识别的准确性和速度。

同时，需要针对嵌入式系统的特点，对算法进行优化，以降低系统的计算复杂度和功耗。

2. 硬件设计：设计高性能的ARM处理器和适当的存储器及外设接口，以实现快速的人脸检测与识别。

嵌入式人工智能技术应用课件：基于人脸识别算法实现人脸检测

• 使用conda安装 conda install -c conda-forge ipywidgets
ipywidgets常用控件
• widgets.Text()：文本框，构造函数没有形参，常用事件 .on_submit(callback)
• widgets.Button(**kwages)：按钮，构造函数的形参包括： • description：显示在按钮上的文字 • tooltip：鼠标悬浮时显示的提示文字 • icon：图标（没有成功使用过） • disabled：bool值，是否禁止交互
设置摄像头的分辨率宽高值
从摄像头获取一帧图片显示获取的图片
3 4 5
1.引入相关的库
import cv2 import time import ipywidgets as widgets # jupyter画图库 from IPython.display import display # jupyter显示库 from lib.faceDetect import NLFaceDetect
2.打开摄像头
使用cv2.VideoCapture(camera_id)方法来打开摄像头,赋值给cap。参数1camera_id指的是默认打开第一个接入的摄像头id，比如0。如果存在两个摄像头，id就是可选，0或者1代表的就是不同的两个摄像头。执行如果没有报错，表示打开成功。
cap = cv2.VideoCapture(0)
ipywidgets常用控件
• widgets.Box()：容器，将其它控件组合在一起的控件，类似 .Net中的Panel，在构造时传入一个其它控件的数组，没有常用事件。除此外还有HBox()、VBox()等容器。
• bel(value:str)：普通文本标签，通常与其它控件共同组合在Box中以显示说明文本，在构造时传入实参value作为要显示的文本，没有常用事件。

《基于嵌入式系统人脸识别的分析与研究》范文

《基于嵌入式系统人脸识别的分析与研究》篇一基于嵌入式系统的人脸识别分析与研究一、引言人脸识别技术在当今的信息化社会已成为重要的身份认证工具，而基于嵌入式系统的人脸识别技术更是其重要的发展方向。

嵌入式系统以其体积小、功耗低、性能稳定等优势，在人脸识别领域得到了广泛的应用。

本文旨在分析并研究基于嵌入式系统的人脸识别技术，探讨其技术原理、应用领域及发展前景。

二、人脸识别技术概述人脸识别技术是一种基于生物特征的身份识别技术，通过捕捉并分析人脸的特征信息，如面部轮廓、眼睛、鼻子、嘴巴等部位的形状、大小和位置等，进行身份验证。

该技术主要分为人脸检测、特征提取和身份识别三个阶段。

三、嵌入式系统在人脸识别中的应用嵌入式系统以其体积小、功耗低、可定制等优点，在人脸识别领域发挥了重要作用。

基于嵌入式系统的人脸识别技术主要包括硬件设计和软件算法两大部分。

硬件设计包括嵌入式处理器的选择、摄像头的选型及布局等；软件算法则涉及人脸检测、特征提取、身份识别等算法的优化与实现。

四、技术原理分析（一）人脸检测人脸检测是人脸识别的第一步，主要通过图像处理技术，从背景中提取出人脸区域。

嵌入式系统中的人脸检测通常采用基于肤色模型、形状模型等方法。

（二）特征提取特征提取是人脸识别的关键步骤，主要是通过算法对人脸图像进行特征提取。

嵌入式系统中常用的特征提取算法包括主成分分析（PCA）、线性判别分析（LDA）等。

（三）身份识别身份识别是通过将提取的特征与数据库中的特征进行比对，从而确定身份。

嵌入式系统中通常采用基于模板匹配、神经网络等方法进行身份识别。

五、应用领域及发展前景基于嵌入式系统的人脸识别技术广泛应用于安防、智能家居、移动支付等领域。

在安防领域，可用于门禁系统、监控系统等；在智能家居领域，可用于智能门锁、智能照明等；在移动支付领域，可用于手机支付、ATM机等。

随着人工智能、大数据等技术的发展，基于嵌入式系统的人脸识别技术将有更广阔的应用前景。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

键技术，具有广泛的应用价值。特别是随着嵌入式软硬件技术
法检测出运动区域，运动区域内进行Ａａｏｓ入脸检测并进而提取人脸特征点，用距离约束的金字塔形Ｌｃｓａａｅ方法跟在ｄＢｏｔ运ｕａ— ｎｄＫ踪人脸特征点。当特征点丢失较严重时，新选取特征点进行跟踪。实验结果表明，方法有较鲁棒的跟踪性能，嵌入式环境下重该在
第２８卷第４期
２１０１年４月
计算机应用与软件
ＣｏｍｐｕｅｐｉａｉｎｎｏｔｒｔｒＡｐｌｃｔｏｓａｄＳｆｗａｅ
Ｖｏ．．１２８Ｎｏ４
Ａｐ．０１１ｒ２
一
种嵌入式环境下的实时人脸跟踪方法
ｆｃｒｃｉｇｍｅｈｏｄｐｅｏｔｍｂｄｅｎｖｒｎｎ．Ｆａｆｅｅｃｓｕｅｎｔｅｍｅｈｏｏｃｅｋｍｏｅｎｅｉｎ．ｅａｏｔａｅｔａｋｎｔｄａａｔｄｔｈｅｅｅｄｄｅｉｏｍｅｔｒｍｅｄｉｒｎｅｉｓｄｉｈｔｄｔｈｃｖｍｅｔｒｇｏＴｈｎＡｄＢｏｓｆ
ｅｉｏｍｅｔｎｖｒｎｎ．
Ｋｅｗｏｄｙｒｓ
ＦａｅｔａｋｎＡｄＢｏｓＦａｅｄｔｃｉｎＦｒｍｅｄｉｅｅｅｃｒｃｉｇａｏｔｃｅｅｔｏａｆｒｎｃｆ
本文针对嵌入式环境的特点，出了一种实时人脸跟踪方提
嵇存美陈伟
（江大学计算机学院，江大学浙江省服务机器人重点实验室浙浙浙江杭州３０２）１０７
摘
要
针对复杂背景和光照变化条件下的人脸跟踪问题，出了一种适于嵌入式环境的实时人脸跟踪方法。该方法使用帧差提
能够实时跟踪人脸。
关键词
人脸跟踪Ａａｏｓ人脸检测帧差法ｄＢｏｔ
ＲＥＡＬＭＥＴＩＦＡＣＥＴＲＡＣＫＩＮＧＮＩＥＭＢＥＤＤＥＤＥＮＶＩＲｏＮＭＥＮＴ
ＪＣｎｉＣｅｅｉｕｍｅｈｎＷｉ
ＡｂｔａｔｓｒｃＦｒｏｖｎｈａｅｔａｋｎｓｕｎｃｍｐｉａｅａｋｒｕｄａｄｖｒｉｇｉｕｎｔｇｃｎｉｏｓｔｉｐｐｒｒｓｎｓａｒａ — ｍｅｏｌｉｇｔｅｆｃｒｃｉｇｉｓｅｉｏｌｔｄｂｃｇｏｎｎａｙｎｌｍｉａｉｏｄｔｎ，ｓａｅｅｅｔｅｌｔｓｃｌｎｉｈｐｉ
０引言
实时人脸跟踪是智能监控、频会议、机交互等领域的关视人
法。该方法首先运用帧差法进行运动检测，确定运动区域后，在利用Ａａｏｓ人脸检测方法在运动区域内检测人脸，后在检ｄＢｏｔ最测出的人脸区域中利用金字塔形ＬｃｓＫｎｄ方法进行人脸跟ｕａ— ａａｅ
ａｄｔｃｓＥｐｒｎａｅｕｔｓｏｈｔｏｒｍｅｈｄｈｓｒｂｓｔａｋｎｅｏｍａｃ．ｅｉｅ，ａｒｃａｅｎｒａｉｎｅｅｄｄｎｒｋ．ｘｅｉａｍｅｔｌｓｌｈｗｔａｕｔｏａｏｕｔｒｃｉｇｐｒｒｎｅＢｓｄｓｉｃｎｔｋｆｃｓｉｅｌｔｒｓｆｔａｍｅｉｍｂｄｅ
ｆｃｅｅｔｏｓａｐｉｄｉｖａｅｄｔｃｉｎｉｐｌｅｎｍｏｅｍｅｔｒｇｏｎｓ￣ｌｏｄｗｉｈｔｅｅｔａｉｎｏａｅｆａｕｒｉｔ．ｉａｌＰｙａｄａｅｓＫａａｅｍｅｈｏｎｅｉｎａｄｉｌｗｅｔｈｘｒｃｔｆｆｃｅｔｅｐｏｎｓＦｎｌｙ， ’ ｍｉｌＬｕａ — ｎｄｔｄｏｒｗｉｈｄｓａｅｃｎｓｒｉｔｉｅｏｔａｋｆｃｅｔｅｐｉｔ．ｈｎｆｃａｅｔｅｐｏｎｓａｅ１ｓｅｉｕｌｔｅｍｅｈｏｅｉｔａｉｅｈｅｔｅｔｉｔｎｃｏｔａｎＳｕｓｄｔｒｃａｅｆａｕｒｏｎｓＷｅａｉｌｆａｕｒｉｔｒｏｔｓｒｏｓｙ．ｈｔｄｒ —ｎｉｉｌｓｓｔｅｆａｕｒｓ
（ｈｉｎｅａｏａｏｙｏｅｉ２，ｈｉｎＣｉａＺｅａｇＫｙＬｂｒｔｒｒｃＲｂｔＳｈｏｏｏｐｔｃｎｅＺｅａｇＵｉｉＨｎｚｏ１０７Ｚｅａｇ，ｈｎ）ｊｆＳｖｅｆｅｅｉｅｙｊ