|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
摘要:如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是:为训练图像中的人脸标注边界框.但标注的人脸边界框是否应该包含耳朵信息,以及对训练出的侧脸检测器性能的影响尚未被研究.本文的实验结果表明:在侧脸数据集上训练人脸检测器时,如果人脸边界框包含耳朵信息,基于DPM ( DeformableParts Model)方法训练得到的侧脸检测器使侧脸检测的准确率降低1.9% ,召回率提高6.3% .而基于Viola&Jones 和Fast R-CNN方法训练得到的侧脸检测器使准确率分别提高6.8%和4.4% ,召回率分别提高14.9%和12.9%.这说明包含耳朵信息训练出的侧脸检测模型,有助于提高侧脸检测率.
0 d0 d* h5 F% U% p- f关键词:多角度人脸检测;人脸检测器;耳朵;人脸边界框;侧脸检测, @+ x5 p7 q$ @0 R
9 w2 r+ `( R6 a! H" @9 R人脸检测是计算机视觉中一个重要的研究方向,也是人脸识别、人脸检索、面部分析等工作的第一步.人脸检测技术可以广泛地应用到各个领域,将人脸检测技术嵌入到摄像机中,可以实现人脸自动定焦的功能;嵌入到城市的车站、海关.机场等部门布署的摄像头中,有助于检测和追踪犯罪分子,从而加快公安破案,保证城市安全。
$ R/ M5 h* x6 }8 Z7 {) h- L
4 J3 }$ t' z2 ? p8 i
9 `+ r5 Z5 q/ D+ x. ^9 B; R$ Y) e9 _# F# V+ R
* r5 e z) K7 i
# j0 `8 o5 n L9 s3 @0 j |
|