人脸检测之Joint Cascade Face Detection and Alignment 笔记---ECCV2014

最新推荐文章于 2018-10-29 14:11:15 发布

刘二毛

最新推荐文章于 2018-10-29 14:11:15 发布

阅读量5.3k

点赞数 2

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/zwlq1314521/article/details/51394938

本文介绍了ECCV2014论文中的人脸检测和对齐方法，通过结合Boosted Cascade结构和简单特征。首先使用高召回率的Viola-Jones分类器检测脸部，然后利用三种不同的特征提取方法（包括SIFT）进行对齐。接着，通过线性SVM训练分类器，但在实时应用中，高召回率导致效率低下。为了解决这个问题，提出了Cascade Alignment，结合检测和对齐，利用随机森林或随机蕨类进行形状回归，实现高效的人脸检测和校准。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

人脸检测（detection）在opencv中早就有直接能拿来用的haar分类器，基于Viola-Jones算法。但是毕竟是老掉牙的技术，Precision/Recall曲线渣到不行，在实际工程中根本没法给boss看，作为MSRA脑残粉，这里介绍一种MSRA在14年的最新技术 ：下点击打开链接载 。这篇文章直接在30ms的时间里把detection和alignment都给做了，PR曲线彪到很高，时效性高，内存占用却非常低，在一些库上虐了Face++和Google Picasa，正好契合这篇想讲的东西。可以作为本节的主线。

人脸校准（alignment）是给你一张脸，你给我找出我需要的特征点的位置，比如鼻子左侧，鼻孔下侧，瞳孔位置，上嘴唇下侧等等点的位置。如果觉得还是不明白，看下图：

图中黄色框框就是在做detection，白色点点就是在做alignment。如果知道了点的位置做一下位置驱动的变形，脸就成正的了，如何驱动变形不是本节的重点，在此省略。首先介绍一下下面正文要写的东西，文中根据“boosted cascade structure+ simple features”的原则由于干货非常多所以可能会看着看着就乱了，所以给出框架图：

作者用了一个叫post classifier的分类器，具体操作方法如下：

1.首先作者调用opencv的Viola-Jones分类器，将recal阀值设到99%，这样能够尽可能地检测出所有的脸，但是同时也会有非常多的不是脸的东东被检测出来。于是，检测出来的框框们被分成了两类：是脸和不是脸。这些图片被resize到96*96。

2.特征提取：接下来是特征提取，怎么提取呢？作者采用了三种方法，有和没有校准的：

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.

第一种：把window划分成6*6个小windows，分别提取SIFT特征，然后连接着36个sift特征向量成为图像的特征。

第二种：先求出一个固定的脸的平均shape（27个特征点的位置，比如眼睛左边，嘴唇右边等等），然后以这27个特征点为中心提取sift特征，然后连接后作为特征。