基于無(wú)線數(shù)據(jù)傳輸?shù)倪h(yuǎn)程人臉追蹤

人臉圖像庫(kù)來(lái)源于http：／／www．a(chǎn)i．mit．edu／projects／cbcl。訓(xùn)練集包括6 977個(gè)19×19圖像樣本，2 429張的人臉和4 548張非人臉。本文選用了庫(kù)中的1 000幅人臉圖像，2 000幅非人臉圖像。由于MITCBCL數(shù)據(jù)庫(kù)中的人臉都是國(guó)外的，所以筆者采集了500幅國(guó)內(nèi)的人臉圖像，并將其標(biāo)準(zhǔn)化為19×19的尺寸。所以人臉總數(shù)共1 500幅，非人臉圖像總數(shù)共2 000幅。實(shí)驗(yàn)結(jié)果如表1所示。

5 結(jié)語(yǔ)

本文采用AdaBoost算法進(jìn)行人臉的檢測(cè)，根據(jù)人臉面部的主要灰度分布特征，選擇采用了Haar特征，通過(guò)在訓(xùn)練過(guò)程中選取出最優(yōu)的Haar特征，再將Haar特征轉(zhuǎn)換成弱分類器，最終組合構(gòu)成強(qiáng)分類器，應(yīng)用到圖像中進(jìn)行人臉區(qū)域的檢測(cè)，得到較準(zhǔn)確的人臉信息。采用GPRS技術(shù)進(jìn)行人臉圖像數(shù)據(jù)的無(wú)線傳輸，通過(guò)無(wú)線視頻監(jiān)控終端對(duì)視頻信號(hào)進(jìn)行實(shí)時(shí)采集，并通過(guò)無(wú)線網(wǎng)絡(luò)傳送到遠(yuǎn)程視頻服務(wù)器。采用Gabor小波進(jìn)行人臉特征提取，采用SVM進(jìn)行分類，采用“一對(duì)一”的策略來(lái)的人臉進(jìn)行分類識(shí)別。

雖然本文從各方面都考慮了算法的有效性，但是在實(shí)際運(yùn)行中還是存在不足的地方，如攝像頭達(dá)到一定數(shù)量時(shí)，傳輸速率受到一定影響，如何保證傳輸速率和圖像較少失真問(wèn)題有待進(jìn)一步研究解決。