首页  思维导图  详情



 



人脸检测face-detector

2019-12-26 13:14:09   0  举报





当下两类人脸检测框架的四种算法比较

opencv dlib 人脸检测

模板推荐

作者其他创作

大纲/内容

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

优点

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

缺点

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

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

优点

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

缺点

有人认为不能使用NVIDIA GPU是唯一的遗憾

Haar-Cascade

优点

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

缺点

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。