基于级联分类器的人脸检测基本原理_开源蜂鸟E203_RISC-V论坛讨论

【分享】基于级联分类器的人脸检测基本原理

发表于开源蜂鸟E203 2021-06-10 04:23:04

2380

参赛队名：红鲤鱼与绿鲤鱼与驴队伍编号：CICC4179
本次分享的内容是基于级联分类器的人脸检测基本原理
1) 人脸检测概述
关于人脸检测算法，目前主流方法分为两类，一类是基于知识，主要方法包括模板匹配，人脸特征，形状和边缘，纹理特征，颜色特征；另一类是基于统计，主要方法包括主成分分析和特征脸法，神经网络模型，隐马尔可夫模型，支持向量机，Adaboost算法等。基于知识的方法把人脸看作不同特征的组合，也就是通过人脸的眼睛，嘴巴，鼻子等特征及其组合关系来检测人脸。基于统计的方法将人脸看成统一的二维像素矩阵，通过大量的样本构建人脸子空间，通过相似度的大小来判断人脸是否存在。
2) 基于灰度特征的人脸级联分类器
基于灰度特征的人脸检测级联分类器属于基于统计的方法。从高层的输入输出角度来描述，软件输入是一张图像（可以表示为一个uint8_t或者uint16_t的数组），输出是检测的结果，如果检测到人脸会输出人脸的数量和对应的位置，反之则会输出未检测到人脸这一结果。
注：该算法在github上有开源实现：https://github.com/nenadmarkus/pico
3) 算法流程
我们在图像上设置一定的搜索范围，初始化一系列的滑动窗口，然后把滑动窗口中的像素灰度值和级联分类器里预先训练好的468棵决策树中的节点进行比较，得到该窗口检测结果为人脸的置信度。如果置信度大于一定的阈值，那么我们认为人脸被检测到了，反之则为未检测到人脸。这里需要指出的一点是，可能会存在多个检测结果为阳性的窗口，鉴于此类情况，我们会在最后进行一次聚类，把多个阳性窗口合并成为一个。
该算法还具有支持多尺度和任意旋转角度的扩展版本。关于多尺度，算法的实现细节在于它通过对于原图的降采样，构造了一系列图像的高斯金字塔，对于金字塔中的每一个尺度去进行检测。关于旋转不变性的支持，我们可以对输入的图片做一次几何变换，使其旋转特定角度，然后对该角度下的图片，进行基于级联分类器的人脸检测。把这两种扩展运算结合在一起，就可以大幅度提高检测器的鲁棒性。
上图是决策树示意图。