基于多分類器融合的頭態(tài)識別方法.pdf

1、人體行為識別具有巨大的理論研究價值和實際應用前景，是近年來計算機視覺和生物特征識別領域備受關注的研究方向之一。頭部動作識別作為人體行為識別的一個重要內(nèi)容，在智能監(jiān)控、高級人機交互、運動分析及虛擬現(xiàn)實等方面都有著廣泛的應用。
　　 頭部動作識別主要是指針對包含頭部動作的視頻分析處理，運用圖像處理、模式識別等方面的知識，得到人體頭部的具體狀態(tài)，從而判斷出其是處于靜止、點頭還是搖頭的狀態(tài)。本文首先分別提出了圖像質(zhì)心、眼睛定位和累積差異

2、圖像三種頭態(tài)識別方法，得到頭態(tài)的初步識別結果，然后采用Kittler融合分類器理論，構造了頭態(tài)融合識別分類器，進一步提高頭部動作的識別率。
　　 基于圖像質(zhì)心的識別方法將要處理的頭部運動視頻轉(zhuǎn)換為一系列的圖像，通過顏色建模實現(xiàn)皮膚區(qū)域的檢測，找出各圖像的質(zhì)心，進行圖像質(zhì)心坐標追蹤，得到不同頭態(tài)質(zhì)心位置變化量的曲線，從而識別出不同的頭部動作?；谘劬Χㄎ坏淖R別方法，采用Adaboost算法快速檢測人臉，利用積分投影的方法定位眼睛，

3、分析處理眼睛的位置變化，得到頭部狀態(tài)，達到識別目的?；诶鄯e差異圖像的識別方法，通過建立累積圖像的方法來檢測運動對象的速度與方向，從而識別出三種頭部動作。
　　 在對融合分類器進行綜合分析的基礎上，本文將Kittler經(jīng)典融合分類器理論首次運用到頭態(tài)識別上，把三個不同的分類器按照相應的規(guī)則融合，從而提高了頭部狀態(tài)的識別效果。
　　 通過本文自行拍攝的數(shù)據(jù)庫，每種單獨的分類器性能都在70％以上，并且融合后的效果都有不同程度