人脸检测对齐--Joint Cascade Face Detection and Alignment

Joint Cascade Face Detection and Alignment ECCV2014 https://github.com/kensun0/Joint_Cascade_Face_Detection_And_Alignment https://github.com/FaceDetect/jointCascade_py

本文是早期的将人脸检测和对齐相结合的文献,利用人脸特征点的空间位置分布规律作为一个判断人脸有无的辅助信息

2 Alignment Helps Detection: a Post Classifier 这里首先通过后验分类器的方式来验证 人脸对齐 对人脸检测是有帮助的。 这里我们用一个 opencv 低阈值的 Viola-Jones detector 来检测人脸,人脸基本没有遗漏,但是虚警区域也很多。我们使用了一个 SVM 分类器来过滤 这里我们使用了三类特征训练了三个 SVM,三组特征如下: 1) we divide the window into 6*6 non-overlapping cells and extract a SIFT descriptor in each cell. 2)we use a fixed mean face shape with 27 facial points and extract a SIFT descriptor centered on each point. 3)we align the 27 facial points using the alignment algorithm in [21] and extract a SIFT descriptor centered on each point.

上面的结果得出的结论就是 人脸对齐对于人脸检测是有帮助的。但是这种后验分类器的方式不是很好。brute force and too slow

3 A Unified Framework for Cascade Face Detection and Alignment 这里我们的目标是提出一个统一的框架来完成 级联人脸检测和对齐

首先来看看级联检测 Cascade Detection 级联检测使用了若干个弱分类器组合,对于一个测试图像块 X,弱分类器是 sequentially evaluated,如果某一个弱分类器的分类器置信度达不到一定的阈值,则直接拒绝该图像块,也就是该图像块不包含人脸。Therefore, the cascade detection is very fast because most negative image windows are rejected after evaluating only a few weak classifiers.

Cascade Alignment 级联人脸对齐 文献【19】提出一个 pose regression framework,后来用于人脸对齐效果很好。 给定一个初始人脸位置,通过若干个 regression function , It adds an increment to the estimated shape from the previous stage S(t-1) . It is learnt to minimize the shape residual error between the ground truth shape ^S and estimated shape in the current stage

5 Experiments

we detect faces larger than 80 × 80 in a VGA image. Our detector takes 28.6 milliseconds using single thread on a 2.93 GHz CPU In the runtime, our detector needs only 15MB memory

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器学习、深度学习

人群分析--Beyond Counting: Comparisons of Density Maps for Crowd Analysis Tasks

Beyond Counting: Comparisons of Density Maps for Crowd Analysis Tasks - Counting...

2038
来自专栏机器之心

深度 | 级联MobileNet-V2实现人脸关键点检测(附训练源码)

机器之心投稿 作者:余霆嵩 为了能在移动端进行实时的人脸关键点检测,本实验采用最新的轻量化模型——MobileNet-V2 作为基础模型,在 CelebA 数据...

4265
来自专栏贾志刚-OpenCV学堂

AlexNet网络的结构详解与实现

在2012年ImageNet图像分类任务竞赛中AlexNet一鸣惊人,对128万张1000个分类的预测结果大大超过其他算法模型准确率,打败其它非DNN网络一鸣惊...

734
来自专栏IT派

Xgboost初见面

在 Kaggle 的很多比赛中,我们可以看到很多 winner 喜欢用 XGBoost,而且获得非常好的表现,今天就来看看 XGBoost到底是什么以及如何应用...

3363
来自专栏CreateAMind

神经网络里的信息存储在哪里?如何更好的存储和提取?

神经元的活性和神经元之间的权重都存储了重要信息,有没有更好的存储方式呢?如何向生物记忆学习呢?

612
来自专栏AI研习社

用 OpenCV 检测图像中各物体大小

在图像中测量物体的大小与计算从相机到物体之间的距离是相似的,在这两种情况下,我们需要定义一个比值,它测量每个给定指标的像素个数。

1251
来自专栏CVer

[计算机视觉论文速递] ECCV 2018 专场8

Amusi 将日常整理的论文都会同步发布到 daily-paper-computer-vision 上。名字有点露骨,还请见谅。喜欢的童鞋,欢迎star、for...

653
来自专栏AI科技大本营的专栏

教程 | 用AI生成猫的图片,撸猫人士必备

编译 | 小梁 【AI科技大本营导读】我们身边总是不乏各种各样的撸猫人士,面对朋友圈一波又一波晒猫的浪潮,作为学生狗和工作狗的我们只有羡慕的份,更流传有“吸猫...

3999
来自专栏上善若水

003计算机图形学:圆的生成算法

其中$(x_0,y_0)$ 是圆心坐标,r为半径。为了简化可以先考虑圆心和坐标原点重合的情况,其他情况可以在此基础上平移得到。

684
来自专栏机器之心

教程 | 详解如何使用Keras实现Wassertein GAN

选自Deeply Random 机器之心编译 参与:晏奇、李泽南 在阅读论文 Wassertein GAN 时,作者发现理解它最好的办法就是用代码来实现其内容。...

38110

扫码关注云+社区