基于無(wú)線(xiàn)數據傳輸的遠程人臉追蹤

人臉圖像庫來(lái)源于http：／／www．a(chǎn)i．mit．edu／projects／cbcl。訓練集包括6 977個(gè)19×19圖像樣本，2 429張的人臉和4 548張非人臉。本文選用了庫中的1 000幅人臉圖像，2 000幅非人臉圖像。由于MITCBCL數據庫中的人臉都是國外的，所以筆者采集了500幅國內的人臉圖像，并將其標準化為19×19的尺寸。所以人臉總數共1 500幅，非人臉圖像總數共2 000幅。實(shí)驗結果如表1所示。

5 結語(yǔ)

本文采用AdaBoost算法進(jìn)行人臉的檢測，根據人臉面部的主要灰度分布特征，選擇采用了Haar特征，通過(guò)在訓練過(guò)程中選取出最優(yōu)的Haar特征，再將Haar特征轉換成弱分類(lèi)器，最終組合構成強分類(lèi)器，應用到圖像中進(jìn)行人臉區域的檢測，得到較準確的人臉信息。采用GPRS技術(shù)進(jìn)行人臉圖像數據的無(wú)線(xiàn)傳輸，通過(guò)無(wú)線(xiàn)視頻監控終端對視頻信號進(jìn)行實(shí)時(shí)采集，并通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò )傳送到遠程視頻服務(wù)器。采用Gabor小波進(jìn)行人臉特征提取，采用SVM進(jìn)行分類(lèi)，采用“一對一”的策略來(lái)的人臉進(jìn)行分類(lèi)識別。

雖然本文從各方面都考慮了算法的有效性，但是在實(shí)際運行中還是存在不足的地方，如攝像頭達到一定數量時(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。