随着现代社会的发展和人们安全意识的提高,越来越多的重要场合,如车站、机场、银行、政府部门、居民社区等,都需要对人的身份进行鉴别。生物特征识别是一种利用人的生理或行为的特征来进行身份识别的技术,它较之传统的身份识别方法更为准确和快速。常用于身份识别的生物特征有:指纹、人脸、虹膜等等。本课题是国家863项目“基于视觉感知与认知机理的多模人物特征身份认证新方法与技术”中人脸识别的子课题之一。视频图像序列中运动人体的跟踪与头部定位是该课题的前期工作,头部定位的准确性直接影响计算机人脸识别的效果。本文的研究主要有三个核心部分:一是运动目标的检测;二是运动目标的跟踪;三是运动人体的头部定位。运动目标检测的任务是将运动目标从序列图像中提取出来,它是后续处理的基础。在分析现阶段常用的运动目标提取算法(光流法,帧间差分法,背景差分法)基础上,考虑到系统的适用场合,本文利用背景差分法进行目标检测。由运动检测得到的运动目标区域内仍然有不少空洞,背景区域内也有不少杂点,本文采用图像形态学运算和连通域检测与滤波相结合的方法进行空洞填充和杂点去除处理。在目标分类中,本文利用形状复杂度和面积信息对运动区域进行分类,将运动目标中的人体识别出来。目标跟踪方面,在研究常用的几种跟踪算法的基础上,本文改进了扩展Kalman跟踪算法,通过运动区域的质心位置和面积比较来代替复杂的匹配过程,提高了跟踪的运算速度,同时简单有效的解决了复杂运动的情况。头部定位方面,本文利用头部与躯干形成一个“凸”字形的特点进行头部定位,这种算法实现效率高,同时由于其没有利用肤色、颈部、轮廓等特征,因此其定位不易受到外界因素的干扰,成功率高同时比较准确。在上述算法改进的基础上,本文设计并实现了一个完整的运动人体跟踪与头部定位的系统,最后采用该系统进行了综合性能实验。实验结果表明:该系统能快速、准确地检测、跟踪运动人体,并能有效地对运动人体进行头部定位,为进一步的研究奠定了良好的基础。