资料下载
如何使用MS-KCF模型进行图像序列中人脸快速稳定检测
分享资料个
为快速稳定地检测图像序列中角度变化较大、遮挡较为严重的人脸，结合快速精确的目标检测模型MobileNet-SSD（ MS）和快速跟踪模型核相关滤波（KCF），提出一种新的自动检测一跟踪一检测（DTD）模式，即MS-KCF人脸检测模型。首先，利用MS模型快速精确地对人脸进行检测，并且更新跟踪模型；其次，将检测到的人脸坐标信息输入到KCF跟踪模型中进行稳定的跟踪，并加快整体的检测速度；最后，为了防止跟踪丢失，跟踪数帧后再次更新检测模型，重新对人脸进行检测。实验显示，在FDDB人脸检测基准中，MS-KCF模型的召回率为93. 60%；在WIDER FACE人脸检测基准的Easy.Medium和Hard数据集中，MS-KCF模型的召回率分别为93. 11%、92. 18%和82. 97%，平均速度为193帧／s。实验结果表明，MS-KCF模型具有稳定性和快速性，在图像序列中对严重遮挡和角度变化大的人脸具有很好的检测效果。
随着计算机技术的不断发展，计算机性能不断提高，人脸检测技术作为计算机视觉领域中的一个重要分支也取得了巨大的突破，如今，人脸检测在门禁系统、智能监控、智能摄像头等领域。有着广泛的应用。人脸检测也是一种富有挑战性的技术，如何实时稳定地检测图像序列中角度变化较大、遮挡较为严重的人脸，已成为应用中亟待解决的问题。目前，利用浅层特征的传统方法已经满足不了需求，因此深层次的卷积神经网络（ Convolutional Neural Network，CNN）是如今检测技术研究的重点和热点。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
