基于颜色空间纹理融合特征的SOAMST人脸跟踪算法

针对人脸跟踪中存在的人脸目标与背景颜色相似、光照变化对跟踪算法鲁棒性的影响，本文提出基于颜色空间纹理融合特征的SOAMST跟踪算法，将二阶空间直方图代替SOAMST建立目标模型中的颜色直方图，二阶直方图融合了目标颜色信息和颜色的空间分布信息，比传统颜色直方图更具有目标鉴别能力。此外与MBLBP特征进行融合，构建有效的联合直方图建立目标模型。不同场景下的实验结果表明，与原算法比较，本文的改进算法在人脸颜色与背景相似，光照变化，旋转大小变化等复杂环境下，抗干扰性更强，有更好的跟踪效果，具有更高的准确性和鲁棒性。

人脸跟踪对计算机视觉、模式识别等领域的发展具有重大的促进作用，近年来，人脸跟踪技术在电视电话会议、远程教学、监控等场合都需要对人脸目标进行实时跟踪。

目前已经提出了MeanShift 算法[1]， Camshift 算法，粒子滤波[2]等经典算法，怎样在目标与背景颜色相似，光照变化，遮挡等条件下快速准确跟踪人脸依旧是需要解决的难题。

SOAMST 算法基于Mean Shift 算法，能够解决跟踪过程中不能估计目标的尺寸和方向变化问题。同时此算法利用颜色直方图特征建立模型，人脸颜色区别于其他背景颜色存在一定范围区域内，因此适用于对人脸进行跟踪，但在复杂环境下仍然存在跟踪失败问题。

本文针对背景与目标颜色相似与视频光照变化问题， 提出在SOAMST 算法中将二阶直方图代替颜色直方图，同时结合MBLBP 特征建立目标模型，在跟踪过程中自适应调节两种特征值的权重比例。以提高跟踪的准确性。

2. SOAMST 原理 SOAMST 算法是Ning 等[3] [4]在Mean Shift 算法基础上提出的，针对目标尺度和方向变化问题，该算法结合权重的零阶矩和Bhattacharyya 系数来估计目标尺度，并对权重图像的二阶矩进行奇异分解，最终得到跟踪目标的位置和具体大小。

2.1. 目标面积估计 通常在目标跟踪过程中连续帧之间目标的尺寸变化是连续光滑的过程，可令当前一帧候选目标的尺寸比上一帧稍微大一点；考虑到目标尺寸变化一般是连续光滑的，所以当前帧目标区域不管是变大或者变小都会在大的跟踪结果候选区域内。

如图1 所示，以三种灰度组成矩形代表目标(a)，在一个大于目标尺寸的候选目标区域(b)内分别存在