杭朱飞，潘峥嵘（兰州理工大学 电气工程与信息工程学院，甘肃 兰州　730050）

基于自适应mean shift算法的多人头检测

杭朱飞，潘峥嵘
（兰州理工大学 电气工程与信息工程学院，甘肃 兰州730050）

基于均值偏移（mean shift）分割算法需人工进行带宽选择和耗时长问题，本文利用直方图密度估计与真实密度之间局部协方差最小来进行自动带宽计算方法。将该方法应用于彩色图像多人头的检测中，可以有效克服因发色模型检测出现的漏检现象，该方法首先利用mean shift自动分割图像，然后利用图像的灰值形态学来增强发色的灰度特性后进行二值化，在此基础上，采用二值形态学的膨胀腐蚀算法进行预处理，从而得到若干个候选区域 最后利用轮廓的几何特征综合判断这些区域是否为人头。实验结果表明：自适应带宽的mean shift算法可快速完成，并具有较好的分割，该方法显示了良好的适用性，在检测目标发色出现白发和染色情况下，不会造成漏检，克服了发色模型检测的缺陷。

均值偏移；直方图密度估计；协方差；形态学；发色模型

在复杂背景下进行人头检测（Head Detection）是智能视觉处理系统的重要组成部分。在现实中，基于单一特征（如头部轮廓、发色及相关统计特征等）的头部检测方法容易出现目标区域的误检测，因此基于多特征的头部目标检测是研究的热点。

常用的人头检测算法有两大类:一是基于先验规则的，比如发色模型形状［1］和肤色等［2］；另一类是基于特征和分类器的检测方法，比如寻找人头轮廓，然后采用支持向量机SVM（support vector machine）、AdaBoost［3］、神经网络等分类器进行训练。……