包　芳　张炎凯,　王士同

1(江阴职业技术学院　江苏 江阴 214400)2(江苏省信息融合软件工程技术研究开发中心　江苏 江阴 214400)3(江南大学　江苏 无锡 214000)



基于在线增量学习的实时人脸跟踪算法

包芳1,2张炎凯1,2,3王士同3

1(江阴职业技术学院江苏 江阴 214400)2(江苏省信息融合软件工程技术研究开发中心江苏 江阴 214400)3(江南大学江苏 无锡 214000)

摘要提出基于在线增量式极端随机森林分类器的实时人脸跟踪算法。算法用在线极端随机森林分类器实现基于检测的跟踪，并结合动态目标框架和P-N学习矫正检测的错误。 实验结果表明，该算法能够在不确定背景下对任意人脸实现较长时间段内的稳定快速的实时跟踪，并能有效排除背景等的干扰,效果较好。

关键词在线增量学习极端随机森林P-N学习动态目标框架实时人脸跟踪

0引言

在视频监控快速普及的情况下，迫切需要远距离、用户非配合状态下的快速识别和跟踪技术。其中，人脸可以最自然的方式实现快速身份识别、预警和跟踪。因此，人脸检测、识别与跟踪是机器视觉领域的一个研究热点，国内外学者对此进行了大量的研究。

静态人脸的检测与识别技术，基本已成熟，且广泛应用于考勤、检票等应用场合中。运动人脸的检测与跟踪又分为固定背景与不确定背景两种情况。固定背景下的运动人脸检测主要采用AdaBoost系列算法[1,2]，跟踪则采用Mean-Shift算法[3]和粒子滤波算法[4]两类框架实现。固定背景下的人脸跟踪，只能是一种短期的、局限性较强的跟踪，在实际场合中应用价值并不大。……