基于肤色的实时人脸跟踪算法：高鲁棒性和高速度

本文是一篇关于"视频流中的人脸跟踪识别"的学术论文，发表于2000年8月的《北京理工大学学报》第20卷第4期。研究者刘万春、贾云得、徐一华和朱玉文针对电视电话会议、远程教学、监视与监控等应用场景，提出了一个基于肤色的人脸实时跟踪方法。论文的核心是利用人脸肤色模型和目标形状特征识别相结合，借助扩展卡尔曼滤波技术来估算人脸的运动轨迹，从而实现一种鲁棒的人脸跟踪策略。 这种方法的特点在于它以肤色作为主要特征，因为肤色的特性使得其可以被简化为几个易于计算的参数，且在稳定的光照条件下，肤色变化不大，这有助于提高跟踪的准确性。论文指出，与传统的梯度特征方法（如利用人脸轮廓、眼睛、鼻子和嘴等特征）以及灰度分布方法（假设人脸为柱面体）相比，肤色跟踪方法不需要对脸部区域进行复杂的匹配，也不需要迭代寻优，大大减少了运算量，能够实现实时跟踪。 研究者们参考了早期的一些工作，如1996年J.Yang等人基于半基色空间的人脸肤色分布特性，以及1997年J.L.Crowley等人结合人眼检测模型和肤色模型的跟踪方法。1998年，刘明宝等人在微型计算机上实现了类似的技术，速度达到了每秒2帧，尽管处理的是128×128尺寸的图像。而冷树林等人在此基础上进一步发展，构建了一个基于微机的相似系统，但论文并未提供具体的速度细节，但强调了系统能够在PAL制式的视频图像中达到每30帧1秒，对于NTSC制式则为每25帧1秒，表明其性能优越，适用于实时视频处理。 这篇论文的主要贡献是提出了一种高效且鲁棒的人脸实时跟踪算法，特别适用于需要实时处理和传输人脸目标的多种应用环境，通过肤色特征的利用，显著提高了跟踪精度和速度，为视频监控和通信系统的优化提供了有价值的技术支持。