基于mean shift算法應(yīng)用于彩色圖像多人頭檢測

　　在復(fù)雜背景下進(jìn)行人頭檢測（Head Detection）是智能視覺處理系統(tǒng)的重要組成部分。在現(xiàn)實(shí)中，基于單一特征（如頭部輪廓、發(fā)色及相關(guān)統(tǒng)計(jì)特征等）的頭部檢測方法容易出現(xiàn)目標(biāo)區(qū)域的誤檢測，兇此基于多特征的頭部日標(biāo)檢測是研究的熱點(diǎn)。

　　常用的人頭檢測算法有兩大類：一是基于先驗(yàn)規(guī)則的，比如發(fā)色模型形狀和膚色等：另一類是基于特征和分類器的檢測方法，比如尋找人頭輪廓，然后采用支持向量機(jī)SVM（support　vector machine）、AdaBoostr、神經(jīng)網(wǎng)絡(luò)等分類器進(jìn)行訓(xùn)練。

　　基于先驗(yàn)規(guī)則的方法，其主要思想是通過對大量的實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)，得出一個模型，然后利用提取出的模型來準(zhǔn)確地檢測人頭：但是，先驗(yàn)?zāi)Ｐ偷奶崛∪菀资艿焦庹沼绊懀斐色@取的模型不準(zhǔn)確，從而導(dǎo)致人頭檢測方法失敗?；谔卣魈崛『头诸惼饔?xùn)練的方法具有良好的魯棒性，人頭檢測的正確率也很高：但是分類器的訓(xùn)練比較耗費(fèi)時間，如果特征數(shù)目比較多還會增加空間復(fù)雜度?；谏鲜鰞深惙椒ǖ幕A(chǔ)上，本文提出利用mean shift的彩色圖像分割算法的人頭檢測方法，文中采用的白適應(yīng)mean shift算法是一種特征空間聚類算法，它的一個突出優(yōu)點(diǎn)是不須人為地設(shè)定過多參數(shù)而可以得到較為客觀的分割結(jié)果。灰度圖像處理包括選擇式掩模平滑和灰值形態(tài)學(xué)進(jìn)行處理，以提高頭部日標(biāo)的灰度與背景的區(qū)別，為閾值分割的預(yù)處理和為輪廓特征進(jìn)行人頭檢測提供基礎(chǔ)。
?