人臉跟蹤和特征提取是人臉識別和機器視覺的關(guān)鍵技術(shù)。主動形狀模型（Active Shape Model，ASM）是由Cootes等人于1995年提出的一種基于點分布模型算法，已經(jīng)被廣泛應(yīng)用于單幅人臉或視頻流的人臉特征提取和跟蹤。ASM基于統(tǒng)計方法，將一系列人臉圖像進行標點訓(xùn)練得到原始形狀向量，再進行對齊操作和PCA分析建立形狀建模。其中需要設(shè)置形狀模型參數(shù)，約束其變化范圍，確保模型能適應(yīng)目標形狀的不確定性。

　　ASM模型的初始化過程非常重要，如果不能準確定位目標圖像中的人臉位置，后續(xù)的ASM搜索過程將會失敗。傳統(tǒng)人臉檢測技術(shù)包括基于膚色、Harr特征等方法，大多局限于良好背景、均勻光照和人臉無遮擋等約束環(huán)境，無法檢測視頻流中快速頭部移動的人臉。為了自動確定跟蹤目標，本文方法僅視頻流的第一幀利用人臉自動檢測捕獲目標，獲得人臉位置、大小和旋轉(zhuǎn)等參數(shù)，并將人臉的位置作為粒子濾波人臉跟蹤算法的初始化窗口。此后采用粒子濾波方法定位特定目標的人臉位置，以檢測并跟蹤復(fù)雜背景、光照變化、局部遮擋，以及快速移動的人臉圖像。

　　ASM大多采用PCA方法建立形狀模型，需要大量數(shù)據(jù)集構(gòu)建特征墓。但利用傳統(tǒng)PCA不能準確定位復(fù)雜狀況下的人臉目標，且無法適應(yīng)目標特征的最新變化。本文采用遞增PCA（lncremental PCA，IPCA）方法構(gòu)建更新特征空間，保持目標模式的最新表達，以適應(yīng)目標本身的變化和周圍環(huán)境的改變，實現(xiàn)復(fù)雜環(huán)境下的人臉特征點跟蹤。

　　本文后續(xù)部分將依次介紹ASM方法，基于IPCA的ASM人臉跟蹤方法和自適應(yīng)粒子濾波人臉跟蹤技術(shù)，描述驗證實驗，討論改進ASM方法的實驗效果。