双目视觉下的人脸追踪提升与应用

本文主要探讨了一种基于双目视觉的人脸追踪方法，该方法旨在提高人脸追踪的准确性和鲁棒性，特别是在复杂环境和多角度下。研究者牛颖和李丽宏来自太原理工大学电气与动力工程学院，他们针对人脸追踪准确率不高的问题，设计了一套系统流程。 首先，论文采用ZED mini双目相机作为视觉传感器，这种相机能够捕捉到左右两个视角的图像，为立体视觉提供了基础。在数据预处理阶段，他们运用双边滤波技术，对获取的图像进行平滑和噪声去除，提升后续处理的精度。 接着，研究人员采用了CamShift算法结合TLD（Tracking by Detection）框架进行人脸检测和跟踪。CamShift是一种连续帧间的目标跟踪算法，它根据模板匹配的原则，通过移动窗口来寻找目标区域，TLD则增强了目标检测的稳定性和抗干扰能力。 为了进一步提高定位精度，文章提出对左右相机的图像进行校准对齐，确保左右视差信息的一致性。随后，使用SGM（StereoGBM，立体匹配）算法进行立体匹配，利用双目视觉的优势，计算出人脸在三维空间中的精确位置和姿态信息。 实验结果显示，通过这种方法，人脸识别的准确率提升了6%，并且成功获取了人脸的位置和姿态信息，实现了实时、稳定的追踪，达到了预期的试验效果。这表明，基于双目视觉的人脸追踪方法在实际应用中具有显著优势，尤其是在需要精确人脸定位和姿态估计的场景，如智能交互设备、安防监控等领域。 论文的关键词包括人脸追踪、ZED mini双目相机、双边滤波、CamShift算法、TLD框架、SGM算法，这些关键词反映了研究的核心技术和方法。此外，该研究还得到了山西省自然科学基金的支持，显示出其在学术界的重要性和实用性。 这项工作为提高人脸追踪技术的准确性和鲁棒性提供了一个创新的解决方案，对于促进计算机视觉和图像处理领域的进一步发展具有积极意义。