牛 颖，李丽宏

(太原理工大学 电气与动力工程学院，太原 030024)

1 引 言

人脸检测与跟踪是计算机视觉和图像处理领域的一个重要分支，在安防监控系统[1]、门禁系统[2]和机器人[3]等系统中应用非常广泛，已引起越来越多研究人员的关注.Turk等提出了特征脸，通过比较面部特征与已知个体的特征来识别目标人物，其性能容易受到光照和姿态变化的影响[4].简毅等提出基于遗传优化 GRNN神经网络的人脸识别算法将人脸识别的准确率提高到88%，但平滑因子选取不当则达不到预期效果[5].张涛等提出一种融合了卡尔曼滤波器的Mean Shift算法，实现了实时多人脸跟踪，但背景光线变化对跟踪的准确性影响较大[6].王健基于传统的Gentle AdaBoost算法在弱分类器训练中引入代价因子，通过更新其权值，提高了人脸检测率，但检测速度慢，无法满足实时性要求[7].DU等使用帧差法提取运动区域，通过融合卡尔曼滤波器的CamShift算法识别人脸，提高了系统的鲁棒性，但因计算量大导致运行速度慢[8].Nhat等提出基于特征自适应模型，实现了准确且快速的人脸追踪，但此法仅能检测一张人脸[9].Zhang等人将KCF算法和CamShift算法相结合，能有效地抵抗干扰，实现对目标人脸的稳定跟踪，但实时性较差[10].席志红等提出背景差分法改进TLD算法的检测模块，提高了跟踪速度，但此法不能很好处理目标被遮挡的情况[11].

本文使用融合CamShift的TLD算法，改进了跟踪模块，利用直方图反向投影得到目标图像像素的概率分布，自适应调整目……