在復(fù)雜背景下進(jìn)行人頭檢測(cè)（Head Detection）是智能視覺(jué)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(cè)方法容易出現(xiàn)目標(biāo)區(qū)域的誤檢測(cè)，兇此基于多特征的頭部日標(biāo)檢測(cè)是研究的熱點(diǎn)。

　　常用的人頭檢測(cè)算法有兩大類(lèi)：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(lèi)是基于特征和分類(lèi)器的檢測(cè)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(lèi)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(guò)對(duì)大量的實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)，得出一個(gè)模型，然后利用提取出的模型來(lái)準(zhǔn)確地檢測(cè)人頭：但是，先驗(yàn)?zāi)Ｐ偷奶崛∪菀资艿焦庹沼绊?，造成獲取的模型不準(zhǔn)確，從而導(dǎo)致人頭檢測(cè)方法失敗。基于特征提取和分類(lèi)器訓(xùn)練的方法具有良好的魯棒性，人頭檢測(cè)的正確率也很高：但是分類(lèi)器的訓(xùn)練比較耗費(fèi)時(shí)間，如果特征數(shù)目比較多還會(huì)增加空間復(fù)雜度?；谏鲜鰞深?lèi)方法的基礎(chǔ)上，本文提出利用mean shift的彩色圖像分割算法的人頭檢測(cè)方法，文中采用的白適應(yīng)mean shift算法是一種特征空間聚類(lèi)算法，它的一個(gè)突出優(yōu)點(diǎn)是不須人為地設(shè)定過(guò)多參數(shù)而可以得到較為客觀的分割結(jié)果?；叶葓D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(cè)提供基礎(chǔ)。
?