OpenCV-Python实战(16)——人脸追踪详解
0. 前言
人脸处理是人工智能中的一个热门话题,人脸处理可以使用计算机视觉算法从人脸中自动提取大量信息,例如身份、意图和情感;而目标跟踪试图估计目标在整个视频序列中的轨迹,其中只有目标的初始位置是已知的,将这两者进行结合将产生许多有趣的应用。由于外观变化、遮挡、快速运动、运动模糊和比例变化等多种因素,人脸追踪非常具有挑战性。
1. 人脸追踪技术简介
基于判别相关滤波器 (discriminative correlation filter
, DCF
) 的视觉跟踪器具有优异的性能和较高的计算效率,可用于实时应用程序。DCF
跟踪器是一种非常流行的基于边界框跟踪的方法。
在 dlib
库中实现了基于 DCF
的跟踪器,可以很方便的将其用于对象跟踪。在本文中,我们将介绍如何使用此跟踪器进行人脸和用户选择对象的跟踪,这种方法也称为判别尺度空间跟踪器 (Discriminative Scale Space Tracker
, DSST
),追踪器仅需要输入原始视频和目标初始位置的边界框,然后跟踪器自动预测目标的轨迹。
2. 使用基于 dlib DCF 的跟踪器进行人脸跟踪
在进行