改进CamShift算法：解决人脸跟踪中的类肤色难题

本文主要探讨了一种改进的CamShift人脸跟踪算法，由黄亚勤、董秀成、李郝和王海涛四位作者在西华大学电气信息学院完成。经典CamShift算法在人脸跟踪应用中，尤其是在场景中存在大面积类肤色区域时，会面临跟踪失误的问题，因为这些区域与人脸颜色相近，可能导致混淆。原有的算法依赖于单一的颜色概率分布图进行迭代，当遇到类肤色干扰时，其效果受限。 作者提出了一种创新的方法，即在CamShift中融入模板匹配技术。他们将模板匹配的成功与否作为算法迭代终止的条件，而非仅仅依赖颜色概率分布图。这种方法能够有效地识别并过滤掉类肤色的干扰，提高跟踪的准确性。通过统计人脸HUE色调分量的直方图，构建出目标的颜色模型，并将其应用到后续视频帧的像素值上，形成概率分布图。在跟踪过程中，算法首先初始化搜索窗口的位置和大小，然后在每一步迭代中，如果模板匹配失败，即认为当前位置不是目标，继续搜索直到找到匹配成功的位置。 经过实验验证，改进后的CamShift算法在实际场景中表现出显著的优势，能够更好地应对复杂背景下的类肤色干扰，提高了人脸跟踪的稳定性和鲁棒性。本文的关键技术包括自适应均值偏移（CamShift）、模板匹配、以及颜色概率分布图的构建和应用。这项研究对于提升计算机视觉领域特别是人脸跟踪算法的性能具有重要意义，为后续的研究者提供了新的思路和方法。