色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

基于Adaboost人臉檢測

新機器視覺 ? 來源:新機器視覺 ? 作者:新機器視覺 ? 2022-06-01 14:12 ? 次閱讀

原歸正傳,讓我開始說說人臉這個技術,真的是未來不可估計的IT技術,不知道未來會有多少企業為了這個技術潛心研究,現在就來看看最近的技術和未來的發展吧!

我先大概說下遇到的一些問題:

?圖像質量

人臉識別系統的主要要求是期望高質量的人臉圖像,而質量好的圖像則在期望條件下被采集。圖像質量對于提取圖像特征很重要,因此,即使是最好的識別算法也會受圖像質量下降的影響;

?照明問題

同一張臉因照明變化而出現不同,照明可以徹底改變物體的外觀;

?姿勢變化

從正面獲取,姿勢變化會產生許多照片,姿態變化難以準確識別人臉;

?面部形狀/紋理隨著時間推移的變化

有可能隨著時間的推移,臉的形狀和紋理可能會發生變化;

?相機與人臉的距離

如果圖像是從遠處拍攝的,有時從較長的距離捕獲的人臉將會遭遇質量低劣和噪音的影響;

?遮擋

用戶臉部可能會遮擋,被其他人或物體(如眼鏡等)遮擋,在這種情況下很難識別這些采集的臉。

就先說這些問題吧,還有其他問題,讀者你可以自己再去總結一些,其實很easy!

在沒有DL出現之前,大家都是在用傳統的機器算法和統計學的算法來對以上問題進行研究,仔細想想,大牛真的好厲害,能想出那么多經典的算法,下面我先簡單介紹幾個:

1) 基于Adaboost人臉檢測

Adaboost人臉檢測算法,是基于積分圖、級聯檢測器和Adaboost算法的方法,該方法能夠檢測出正面人臉且檢測速度快。其核心思想是自動從多個弱分類器的空間中挑選出若干個分類器,構成一個分類能力很強的強分類器。

缺點:而在復雜背景中,AdaBoost人臉檢測算法容易受到復雜環境的影響,導致檢測結果并不穩定,極易將類似人臉區域誤檢為人臉,誤檢率較高。

2)基于特征的方法(引用“Summary of face detection based on video”)

基于特征的方法實質就是利用人臉的等先驗知識導出的規則進行人臉檢測。

①邊緣和形狀特征:人臉及人臉器官具有典型的邊緣和形狀特征,如人臉輪廓、眼瞼輪廓、虹膜輪廓、嘴唇輪廓等都可以近似為常見的幾何單元;

②紋理特征:人臉具有特定的紋理特征,紋理是在圖上表現為灰度或顏色分布的某種規律性,這種規律性在不同類別的紋理中有其不同特點;

③顏色特征:人臉的皮膚顏色是人臉表面最為顯著的特征之一,目前主要有RGB,HSV,YCbCr,YIQ,HIS等彩色空間模型被用來表示人臉的膚色,從而進行基于顏色信息的人臉檢測方法的研究。

3) 基于模板的方法

基于模板匹配的方法的思路就是通過計算人臉模板和待檢測圖像之間的相關性來實現人臉檢測功能的,按照人臉模型的類型可以分為兩種情況:

①基于通用模板的方法,這種方法主要是使用人工定義的方法來給出人臉通用模板。對于待檢測的人臉圖像,分別計算眼睛,鼻子,嘴等特征同人臉模板的相關性,由相關性的大小來判斷是否存在人臉。通用模板匹配方法的優點是算法簡單,容易實現,但是它也有自身缺點,如模板的尺寸、大小、形狀不能進行自適應的變化,從而導致了這種方法適用范圍較窄;

②基于可變形模板的方法,可變形模板法是對基于幾何特征和通用模板匹配方法的一種改進。通過設計一個可變模型,利用監測圖像的邊緣、波峰和波谷值構造能量函數,當能量函數取得最小值時,此時所對應的模型的參數即為人臉面部的幾何特征。這種方法存在的不足之處在于能量函數在優化時十分復雜,消耗時間較長,并且能量函數中的各個加權系數都是靠經驗值確定的,在實際應用中有一定的局限性。

4) 基于統計理論的方法

基于統計理論的方法是指利用統計分析與機器學習的方法分別尋找人臉與非人臉樣本特征,利用這些特征構建分類,使用分類進行人臉檢測。它主要包括神經網絡方法,支持向量機方法和隱馬爾可夫模型方法。基于統計理論的方法是通過樣本學習而不是根據人們的直觀印象得到的表象規律,因此可以減小由于人眼觀測不完整和不精確帶來的錯誤而不得不擴大檢測的范圍,但是這種方法需要大量的統計特性,樣本訓練費時費力。

以上也都是通過快速閱讀得到的一些結論,大部分都是直接引用文章作者的語句。其中在這些方法中,都有很多改進,比如PCA+Adaboost,HMM等。

現在用傳統的技術已經不能再有新的突破,所以現在流行了DL架構,打破了人類的極限,又將檢測,識別,跟蹤等技術上升到另一個高度。

現在來簡單講講最近幾年神經網絡的牛X之處。

1)Retinal Connected Neural Network (RCNN)

8f9216a4-e171-11ec-ba43-dac502259ad0.jpg

2)Rotation Invariant Neural Network (RINN)

8faaef58-e171-11ec-ba43-dac502259ad0.jpg

3)Principal Component Analysis with ANN (PCA & ANN)

8fc7ca24-e171-11ec-ba43-dac502259ad0.jpg

4)Evolutionary Optimization of Neural Networks

8fd71416-e171-11ec-ba43-dac502259ad0.jpg

8fed95d8-e171-11ec-ba43-dac502259ad0.jpg

5)Multilayer Perceptron (MLP)

8ff54daa-e171-11ec-ba43-dac502259ad0.jpg

6) Gabor Wavelet Faces with ANN

90066162-e171-11ec-ba43-dac502259ad0.jpg

還有好多就不一一介紹了。在此推薦讀者你閱讀《Recent Advances in Face Detection》,分析的特別詳細,希望對大家有幫助,謝謝!

下面我來給大家提供一些公開的數據庫:

■Annotated Database (Hand, Meat, LV Cardiac, IMM face) (http://www2.imm.dtu.dk/~aam/)
■AR Face Database (http://cobweb.ecn.purdue.edu/~aleix/aleix_face_DB.html)
■BioID Face Database (https://www.bioid.com/About/BioID-Face-Database)
■Caltech Computational Vision Group Archive (Cars, Motorcycles, Airplanes, Faces, Leaves, Background) (http://www.vision.caltech.edu/html-files/archive.html)
■Carnegie Mellon Image Database (motion, stereo, face, car, ...) (http://vasc.ri.cmu.edu/idb/)
■CAS-PEAL Face Database (http://www.jdl.ac.cn/peal/index.html)
■CMU Cohn-Kanade AU-Coded Facial Expression Database (http://www.ri.cmu.edu/projects/project_421.html
■CMU Face Detection Databases (http://www.ri.cmu.edu/projects/project_419.html)
■CMU Face Expression Database (http://amp.ece.cmu.edu/projects/FaceAuthentication/download.htm)
■CMU Face Pose, Illumination, and Expression (PIE) Database (http://www.ri.cmu.edu/projects/project_418.html)
■CMU VASC Image Database (motion, road sequences, stereo, CIL’s stereo data with ground truth, JISCT, face, face expressions, car) (CMU VASC Image Database)
■Content-based Image Retrieval Database (Index of /groundtruth)
■Face Video Database of the Max Planck Institute for Biological Cybernetics (Welcome)
■FERET Database (frvt.org)
■FERET Color Database (The Color FERET Databasehttp://face.nist.gov/colorferet/)
■Georgia Tech Face Database (http://www.anefian.com/face_reco.htm)
■German Fingerspelling Database (http://www.anefian.com/face_reco.htm)
■Indian Face Database (http://http://www.cs.umass.edu/~vidit/IndianFaceDatabase)
■MIT-CBCL Car Database (Pedestrian Data)
■MIT-CBCL Face Recognition Database (CBCL FACE RECOGNITION DATABASE)
■MIT-CBCL Face Databases (CBCL SOFTWARE)
■MIT-CBCL Pedestrian Database (New Page 1)
■MIT-CBCL Street Scenes Database (CBCL StreetScenes Database Download Page:)
■NIST/Equinox Visible and Infrared Face Image Database (http://www.equinoxsensors.com/products/HID.html)
■NIST Fingerprint Data at Columbia (Link)
■ORL Database of Faces (The Database of Faces)
■Rutgers Skin Texture Database (http://www.caip.rutgers.edu/rutgers_texture/)
■The Japanese Female Facial Expression (JAFFE) Database (Japanese Female Facial Expression (JAFFE) Database
■The Ohio State University SAMPL Image Database (3D, still, motion) (http://sampl.ece.ohio-state.edu/database.htm)
■The University of Oulu Physics-Based Face Database (Center for Machine Vision and Signal Analysis)
■UMIST Face Database (https://images.ee.umist.ac.uk/danny/database.html)
■USF Range Image Data (with ground truth) (USF Range Image Database)
■Usenix Face Database (hundreds of images, several formats) (Link)
■UCI Machine Learning Repository (http://www1.ics.uci.edu/~mlearn/MLSummary.html)
■USC-SIPI Image Database(collection of digitized images) (SIPI Image Database)
■UCD VALID Database (multimodal for still face, audio, and video) (VALID Database)
■UCD Color Face Image (UCFI) Database for Face Detection (http://ee.ucd.ie/~prag/)
■UCL M2VTS Multimodal Face Database (http://www.tele.ucl.ac.be/PROJECTS/M2VTS/m2fdb.html)
■Vision Image Archive at UMass (sequences, stereo, medical, indoor, outlook, road, underwater, aerial, satellite, space and more) (SIPI Image Database)
■Where can I find Lenna and other images? (comp.compression Frequently Asked Questions (part 1/3)Section - [55] Where can I find Lenna and other images?)
■Yale Face Database (http://cvc.yale.edu/projects/yalefaces/yalefaces.html)
■Yale Face Database B (http://cvc.yale.edu/projects/yalefaces/yalefaces.html)

最后我附上我近期做的效果圖,是基于視頻中人臉檢測與識別的,因為沒有標準,公共的數據集,所以我就用室內場景劇作為訓練數據,最后的效果很不錯,希望以后有同學做人臉的,我們可以一起討論,共同進步,謝謝!

900ea07a-e171-11ec-ba43-dac502259ad0.jpg

903171fe-e171-11ec-ba43-dac502259ad0.jpg

90465f74-e171-11ec-ba43-dac502259ad0.jpg

90581e58-e171-11ec-ba43-dac502259ad0.jpg

906e4fe8-e171-11ec-ba43-dac502259ad0.jpg

90876eba-e171-11ec-ba43-dac502259ad0.jpg

9096b9ce-e171-11ec-ba43-dac502259ad0.jpg

90a65690-e171-11ec-ba43-dac502259ad0.jpg

審核編輯 :李倩

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 算法
    +關注

    關注

    23

    文章

    4608

    瀏覽量

    92856
  • 人臉檢測
    +關注

    關注

    0

    文章

    80

    瀏覽量

    16460

原文標題:人臉檢測與識別的趨勢和分析

文章出處:【微信號:vision263com,微信公眾號:新機器視覺】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    人臉疲勞檢測應用-米爾基于RK3576核心板/開發板

    本文將介紹基于米爾電子MYD-LR3576開發板(米爾基于瑞芯微RK3576開發板)的人臉疲勞檢測方案測試。米爾基于RK3576核心板/開發板【前言】人臉疲勞檢測:一種通過分析
    的頭像 發表于 12-20 08:06 ?191次閱讀
    <b class='flag-5'>人臉</b>疲勞<b class='flag-5'>檢測</b>應用-米爾基于RK3576核心板/開發板

    《DNK210使用指南 -CanMV版 V1.0》第四十五章 人臉識別實驗

    第四十五章 人臉識別實驗 在上一章節中,介紹了利用maix.KPU模塊實現了人臉68關鍵點檢測,本章將繼續介紹利用maix.KPU模塊實現的人臉識別。通過本章的學習,讀者將學習到
    發表于 11-18 14:30

    《DNK210使用指南 -CanMV版 V1.0》第四十四章 人臉68關鍵點檢測實驗

    第四十四章 人臉68關鍵點檢測實驗 在上一章節中,介紹了利用maix.KPU模塊實現了人臉屬性分析,本章將繼續介紹利用maix.KPU模塊實現的人臉68關鍵點
    發表于 11-18 14:28

    如何用OpenCV的相機捕捉視頻進行人臉檢測--基于米爾NXP i.MX93開發板

    本篇測評由優秀測評者“eefocus_3914144”提供。 本文將介紹基于米爾電子MYD-LMX93開發板(米爾基于NXP i.MX93開發板)的基于OpenCV的人臉檢測方案測試。 OpenCV
    發表于 11-15 17:58

    深度偽造人臉檢測項目

    各位 AI 愛好者們,準備好通過各種 AI 技術來應對一個迫切需要被解決的全球問題了嗎?MathWorks 誠邀您參加 2025 IEEE Signal Processing Cup 挑戰賽:“野外深度偽造人臉檢測”(DFWild-Cup)。
    的頭像 發表于 10-17 10:46 ?323次閱讀
    深度偽造<b class='flag-5'>人臉</b><b class='flag-5'>檢測</b>項目

    安富利基于ZUBoard開發板和雙攝像頭子卡推出立體人臉檢測方案

    ,其前提必然是精準、可靠的人臉檢測。 為了滿足日益增長的人臉檢測需求, 安富利基于ZUBoard開發板和雙攝像頭子卡推出立體人臉
    的頭像 發表于 07-11 09:41 ?837次閱讀
    安富利基于ZUBoard開發板和雙攝像頭子卡推出立體<b class='flag-5'>人臉</b><b class='flag-5'>檢測</b>方案

    人臉識別技術的原理介紹

    的應用。本文將詳細介紹人臉識別技術的原理,包括人臉檢測人臉特征提取、人臉匹配等關鍵步驟。 一、人臉
    的頭像 發表于 07-04 09:22 ?1160次閱讀

    如何設計人臉識別的神經網絡

    識別技術主要分為兩個步驟:人臉檢測人臉特征提取。人臉檢測是指在圖像中定位出人臉的位置和大小,
    的頭像 發表于 07-04 09:20 ?650次閱讀

    人臉檢測模型的精確度怎么算

    人臉檢測模型的精確度評估是一個復雜的過程,涉及到多個方面的因素。本文將從以下幾個方面進行介紹:人臉檢測模型的基本概念、評估指標、評估方法、影響因素以及提高精確度的策略。
    的頭像 發表于 07-04 09:14 ?513次閱讀

    人臉檢測模型有哪些

    : Viola-Jones 算法 Viola-Jones 算法是一種基于 Haar 特征和 AdaBoost 算法的人臉檢測方法。它通過訓練一個級聯分類器來實現人臉
    的頭像 發表于 07-03 17:05 ?1026次閱讀

    人臉檢測人臉識別的區別是什么

    人臉檢測人臉識別是計算機視覺領域的兩個重要技術,它們在許多應用場景中都有廣泛的應用,如安全監控、身份驗證、社交媒體等。盡管它們在某些方面有相似之處,但它們之間存在一些關鍵的區別。本文將詳細介紹
    的頭像 發表于 07-03 14:49 ?1200次閱讀

    人臉檢測的五種方法各有什么特征和優缺點

    人臉檢測是計算機視覺領域的一個重要研究方向,主要用于識別和定位圖像中的人臉。以下是五種常見的人臉檢測方法及其特征和優缺點的介紹: 基于膚色的
    的頭像 發表于 07-03 14:47 ?821次閱讀

    人臉檢測與識別的方法有哪些

    人臉檢測與識別是計算機視覺領域中的一個重要研究方向,具有廣泛的應用前景,如安全監控、身份認證、智能視頻分析等。本文將詳細介紹人臉檢測與識別的方法。 引言
    的頭像 發表于 07-03 14:45 ?710次閱讀

    ESP32-S3運行人臉檢測功耗有多大呢?

    ESP32-S3運行人臉檢測,功耗有多大?
    發表于 06-26 06:32

    人臉識別技術的原理是什么 人臉識別技術的特點有哪些

    人臉識別技術的原理 人臉識別技術是一種通過計算機以圖像或視頻為輸入,識別、檢測、跟蹤和分析人臉的技術。其原理基于計算機視覺和模式識別等領域的理論和算法。下面將詳細介紹
    的頭像 發表于 02-18 13:52 ?1888次閱讀
    主站蜘蛛池模板: 97免费在线视频| 久久亚洲国产精品亚洲| 中文字幕网站在线观看| 色欲av蜜臀av高清| 老熟风间由美AV在线一区二区| 国产成人亚洲综合无| 99久久99久久久99精品齐| 亚洲蜜桃AV永久无码精品放毛片| 欧洲video60| 狼人无码伊人AV啪啪| 国语自产拍大学生在线观看| 俄罗斯14一18处交| 99久久精品免费看国产一区二区三区 | 人妻满熟妇AV无码区国产| 久久精品国产96精品亚洲| 国产午夜精品理论片在线| 第九色区av天堂| wwwxxc| GAY空少被体育生开菊| 最新无码国产在线视频| 亚洲视频精品| 香港论理午夜电影网| 三级黄色高清视频| 秋霞电影网视频一区二区三区| 老头扒开粉缝亲我下面| 久久久久亚洲精品影视| 久9青青cao精品视频在线| 国产中文字幕乱码一区| 国产精品永久免费视频观看| 国产 亚洲 中文字幕 在线| 百性阁综合社区| yin荡体育课羞耻play双性| a视频在线免费观看| 99久久无码热高清精品| 99re久久超碰视频精品| 97成人免费视频| 91综合精品网站久久| 538久久视频在线| 777久久人妻少妇嫩草AV蜜桃| 中文字幕在线观看国产| 0855午夜福利伦理电影|