基于臉部特征分析的無人機跟拍系統

顧佳欣 郝禹哲 蘇婷婷 皇甫萍萍 段淇超

摘 要：目前四旋翼無人機的應用十分廣泛，可用于新聞拍攝和高空拍攝。通過對人臉部進行特征分析，可以做到低空下的人臉識別和跟拍。本文針對動態人臉目標，采用Haar特征提取，其優勢在于量化了人臉特征，可以較為容易地區分出人臉區域和非人臉區域，即使存在一定干擾如佩戴臉部飾品、帽子等情況下，也具有較好的識別準確度，因此本系統具有一定的應用價值。

關鍵詞：四旋翼無人機;人臉識別;PID算法

文章編號：2095-2163（2019）04-0326-02 中圖分類號：TP391.41 文獻標志碼：A

0 引 言

早期的無人機研究集中在四旋翼無人機的姿態控制方面，隨著科學技術的發展，人們漸漸開始把無人機與其它領域聯系起來，尤其是將攝像頭安裝在無人機上，用來實時捕捉圖像完成一定的攝像需求。而后的發展中利用不同圖像的不同特征進行圖像識別研究，增加無人機的實用性。通過識別目標物的某些特征對攝像頭捕捉到的圖像進行識別，并對運動的物體進行跟蹤。所以無人機跟蹤系統研究具有一定的研究意義和實用價值。本文利用臉部特征分析進行無人機的跟蹤和拍攝，可以較好地應用于新聞攝影、嚴酷環境下的自動追蹤拍攝。通過使用不同的特征和參數，可以實現對于不同物體的跟蹤和拍攝，可應用于生物學追蹤、觀測等領域。

1 人臉檢測

典型的人臉識別模型就是Haar特征模型。Haar特征分為3類，如圖1所示。

Haar特征有邊緣特征、線性特征、中心特征和對角線特征。這些基礎特征組合成為特征模型。由圖1所示的特征模板可見，模板由白色和黑色2種矩形組成。Haar特征本身并不復雜，就是把上面的任意一種矩形遍歷含有人臉的圖像，而特征值就是將圖中所有的黑色矩形像素和減去白色矩形像素和所得到的值[3]，因此得到的人臉特征值和非人臉特征值是不同的。另外，人臉部一些特征可由矩形特征簡單的描述。如人的眼睛要比臉頰的顏色要深，而鼻梁兩側比鼻梁顏色要深，嘴巴比周圍顏色要深等。這些都可以由簡單的矩形特征來表示。所以Haar特征最簡單的目的就是量化人臉特征，從而進行簡單的區分人臉區域和非人臉區域。

2 計算特征個數

具體識別人臉的方式簡而言之就是將某個Haar特征矩形對整個圖像遍歷一遍，得到所有的特征值。通過積分圖的方法計算Haar特征，并用這些特征值進行判斷是否為人臉特征。而如何計算這些特征的數量如圖2所示。例如，特征矩形大小為2×1，圖片大小為12×12。那么對于2×1這個Haar特征，可以水平移動11次，垂直移動12次。遍歷整個圖像后可以得到11×12=132個特征值。同時為了檢測結果的準確性，對于同一個特征，可以沿著水平或豎直方向進行伸縮。就如同剛才的特征2×1，可以進行水平放大變成4×1，也可以進行豎直放大變成2×2等等。

3 實驗測試

本文是基于復雜環境對人臉進行了動態的識別。經測試在戴帽子、遮住嘴巴、遮住半張臉、距離超過2 m等情況下皆能成功檢測出人臉，結果如圖3所示。

通過返還特征值的坐標來對目標進行跟蹤及飛行器的姿態調整。將識別框的面積與圖像面積做比得到一個面積占比，通過與閾值相比進行一個大致的水平復雜環境下的測距。通過返還的水平距離來控制飛行器不至于靠近或遠離目標。如圖4所示。

4 結束語

本文主要實現低空拍攝時基于人臉特征識別的自動跟拍系統，并且可以適應人體小角度或緩慢轉體情況下的拍攝角度調整，亦可使用手動控制實現實時調整?？梢匀〈斚率殖质綌z影機，避免畫面抖動的同時可以更好地突破地面條件對攝影人員的移動限制，達到更大的拍攝自由度。

參考文獻

[1]李倩玉， 蔣建國， 齊美彬. 基于改進深層網絡的人臉識別算法[J]. 電子學報， 2017， 45（3）：619-625.

[2]姜俊俊， 李明， 張宇. 基于視覺的四旋翼無人機目標跟蹤系統設計[J]. 中國科技信息， 2016（14）：65-66.

[3]李永健. 基于機器視覺的四旋冀無人機定點著陸系統設計與實現[D]. 廣州：華南理工大學，2015.

[4]龍云露， 陳洋， 滕雄. 四旋翼飛行器姿態解算與濾波[J]. 計算機測量與控制， 2016， 24（10）：194-197，201.

[5]李航， 王耀力. 四旋翼飛行器中PID控制的優化[J]. 電子技術應用， 2017， 43（2）：73-76.