Haar、pico、npd、dlib等多種人臉檢測特徵及演算法結果比較
原文:opencv、pico、npd、dlib、face++等多種人臉檢測演算法結果比較
NDP檢測結果:
結果分析:
Pico(Pixel Intensity Comparison-based Object detection)發表於2014年,它也繼承於Viola-Jones演算法並對其做了一部分改進,最大的不同在於特徵提取方式,不同於Viola-Jones的Haar特徵,pico則是提取點對特徵,對兩個畫素點進行對比。實驗表明這種特徵比Haar特徵更為有效,且運算時間更短。
這就意味著PICO的抗噪效能極差,場景可擴充套件性不強。
NDP特徵有以下幾個特點:
- 其特徵是反對稱的,也就是說 f (x, y) 或者f (y, x) 都可以表述 x 和 y 兩點的特徵,舉個例子來說,對於一張 p = h*w 大小的圖片,其特徵池大小為 p * (p-1)/2 。
- 其特徵是有符號的,也就是說其特徵表述是有方向性的。
- 其特徵是尺度魯棒的, 也就是說由於其特徵分子是兩畫素點差值,所以對於光照具有較強的魯棒性。
- 其特徵值是歸一化的。
最後指出,通過特徵池是可以重建出原圖的,也就是說特徵池包含了原圖片中的所有資訊。
重要參考文章:NPD實現及其與pico一脈相承的關係
此文詳細的介紹了PICO和NDP的理論和實驗,以及遞進關係。贊一個!!!
GitHub程式碼下載:https://github.com/wincle/NPD
NDP的官網及程式碼下載:http://www.cbsr.ia.ac.cn/users/scliao/projects/npdface/
相關文章
- 圖片人臉檢測——Dlib版(四)
- 視訊人臉檢測——Dlib版(六)
- 人臉定位程式及結果
- MTCNN人臉檢測與校準(5特徵點)CNN特徵
- [計算機視覺]人臉應用:人臉檢測、人臉對比、五官檢測、眨眼檢測、活體檢測、疲勞檢測計算機視覺
- 特徵提取之Haar特徵特徵
- 計算機視覺—人臉識別(Haar特徵+Adaboost分類器)(7)計算機視覺特徵
- 人臉檢測識別,人臉檢測,人臉識別,離線檢測,C#原始碼C#原始碼
- 人臉檢測 二
- 人臉檢測中的AdaBoost演算法演算法
- 人臉活體檢測
- 前端人臉檢測指南前端
- SIFT演算法與SURF演算法特徵檢測效率對比演算法特徵
- python ubuntu dlib人臉識別3-人臉對齊PythonUbuntu
- 人臉檢測的harr檢測函式函式
- 5種排序演算法效能比較總結排序演算法
- PFLD:簡單、快速、超高精度人臉特徵點檢測演算法特徵演算法
- 人臉檢測(detection)與人臉校準(alignment)
- opencv視訊人臉檢測OpenCV
- OpenCV 人臉檢測自學(3)OpenCV
- dlib 人臉對齊 基本原理
- 人臉活體檢測人臉識別:眨眼+張口
- 主題:人臉檢測原理及示例(OpenCV+Python)OpenCVPython
- 集合差異比較演算法及效能測試演算法
- 去除csdn廣告的方法,多種方法比較總結
- iOS 人臉關鍵點檢測iOS
- Android人臉檢測介紹Android
- FaceDetector 人臉檢測追蹤demo
- OpenCV + Dlib對人臉位置進行校準OpenCV
- TTS 演算法對比:DNN 結果和 HMM 演算法結果TTS演算法DNNHMM
- 人臉識別之特徵臉方法(Eigenface)特徵
- 人臉識別之人臉檢測的重要性
- IOS人臉識別開發入門教程--人臉檢測篇iOS
- java集合遍歷的幾種方式總結及比較Java
- Python人臉識別微笑檢測Python
- 視訊人臉檢測——OpenCV版(三)OpenCV
- 圖片人臉檢測——OpenCV版(二)OpenCV
- JavaScript人臉檢測的實現方法JavaScript