人脸检测face-detector
2019-12-26 13:14:09 0 举报
AI智能生成
当下两类人脸检测框架的四种算法比较
作者其他创作
大纲/内容
人脸检测 face-detector
dlib
Mmod
优点
适用于不同的人脸方向
对遮挡鲁棒
在GPU上工作得非常快
非常简单的训练过程
缺点
CPU速度很慢
不能检测小脸,因为它训练数据的最小人脸尺寸为80×80,但是用户可以用较小尺寸的人脸数据自己训练检测器
人脸包围框甚至小于DLib HoG人脸检测器
HOG-SVM
CPU上最快的方法
适用于正面和略微非正面的人脸
与包含opencv两个算法在内的其他三个相比模型很小
在小的遮挡下仍可工作
边界框通常排除前额的一部分甚至下巴的一部分
在严重遮挡下不能很好地工作
不适用于侧面和极端非正面,如俯视或仰视
opencv
DNN
在包含dlib的两种算法在内的四种方法中是最准确的
在CPU上能够实时运行
适用于不同的人脸方向:上,下,左,右,侧面等
甚至在严重遮挡下仍能工作
可以检测各种尺度的人脸
有人认为不能使用NVIDIA GPU是唯一的遗憾
Haar-Cascade
几乎可以在CPU上实时工作
可以检测不同比例的人脸
简单的架构
会出现大量的把非人脸预测为人脸的情况
不适用于非正面人脸图像
不抗遮挡
总结
一般情况下
在大多数应用程序中,我们无法知道图像中人脸尺寸的大小。因此,最好使用OpenCV-DNN方法,因为它非常快速且非常准确,即使对于小尺寸的人脸也是如此。它还可以检测各种角度的人脸。所以OpenCV-DNN是首选。
中到大尺寸的图像情况下
Dlib HOG是CPU上最快的方法。但它不能检测到小脸(<70x70)。因此,如果知道程序不会处理非常小的人脸(例如自拍照),那么基于HOG的人脸检测器是更好的选择;此外,如果你可以使用GPU(NVIDIA家的),那么MMOD人脸检测器是最好的选择,因为它在GPU上非常快,并且还提供各种角度的检测;
高分辨率图像情况下
由于在高分辨率图像中,这些算法的速度都会很慢,而如果缩小图像尺寸,HOG/MMOD可能会失败,同时OpenCV-DNN却可以检测小脸,所以对于高分辨率图像推荐缩小图像再使用OpenCV-DNN的方法。
0 条评论
下一页