一组用于快速人脸检测的分开Haar特征
作者:
基金项目:

电子信息发展基金项目(工信部财[2014]425号);四川省省级财政创新驱动发展专项资金(战略性新兴产业)(SC2014510703050)


A Set of Separate Haar Features for Rapid Face Detection
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [17]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    本论文提出了一种能快速、精准用于人脸检测的特征即分开Haar特征(Separate Haar,简称Sep-Haar).本文研究过程中有3个关键贡献,第一是提出"分开Haar特征",即在Haar特征矩形之间添加了一个不关心的区域,可通过这个算法得到一些更有效的特征.第二是为这个不关心区域选择最好宽度的算法,这个算法用于减少学习特征的总数量,以减少内存的使用.第三是同样通过Adaboost算法应用,采用Sep-Haar特征能使用较少量的特征而得到最好的误报率.基于此研究结果,本文也提出了一种新分类器,每个阶段都有较小的误报率,实验结果表明使用该特征能够在减少检测时间情况下提高命中率.

    Abstract:

    In this paper, we describe a new feature called Separate Haar (Sep-Haar) feature for fast and accurate face detection. There are three key contributions. "Separate Haar feature" adds a negligible area for the rectangular Haar feature window, by which we can improve the feature extraction efficiency; the corresponding algorithm for selecting the best width of such negligible area is realized by reducing the total number of learned features to reduce the memory used; and experiment result shows that the proposed Sep-Haar feature can achieve best false alarm rate using less number of features in Adaboost algorithm compared with traditional Haar feature. Based on the result, we propose a new classifier that, by using the proposed Sep-Haar features, it can give smaller false alarm rate at each stage, use less number of stages, and at the same time give improved hit rate within the same detection time consummed.

    参考文献
    [1] Schneiderman H. Learning a restricted Bayesian network for object detection. Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington, DC, USA. 2004. 639-646.
    [2] Osuna E, Freund R, Girosi F. Training support vector machines:An application to face detection. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Juan, Puerto Rico. 1997. 130-136.
    [3] Rowley HA, Baluja S, Kanade T. Neural network-based face detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(1):22-38
    [4] Viola P, Jones M. Robust real-time object detection. International Journal of Computer Vision, 2001, 4:34-47
    [5] 区苏. Haar特征检测中可变特征目标的参考点选取. 计算机光盘软件与应用, 2015, 18(1):140, 142
    [6] 齐燕舞, 朱杰. 基于Haar-like特征多分类器集成的行人检测. 信息技术, 2017, (8):129-131.[doi:10.13274/j.cnki.hdzj.2017.08.032
    [7] 江倩殷, 李熙莹, 黄秋筱, 等. 基于背景差分和Haar-like特征的客运站行人检测算法研究. 第十一届中国智能交通年会论文集. 重庆. 2016. 461–468.
    [8] 高嵩, 杜晴岚, 陈超波. 基于快速级联分类器的行人检测方法研究. 计算机工程与科学, 2015, 37(6):1183-1188.[doi:10.3969/j.issn.1007-130X.2015.06.022
    [9] 颜学龙, 任文帅, 马峻. 基于扩展Haar特征的AdaBoost人脸检测算法. 计算机系统应用, 2015, 24(9):152-155.[doi:10.3969/j.issn.1003-3254.2015.09.026
    [10] 杨秋芬, 桂卫华, 胡豁生, 等. 局部二元Haar特征Kadane多阈值AdaBoost面部分类识别. 小型微型计算机系统, 2016, 37(11):2582-2587.[doi:10.3969/j.issn.1000-1220.2016.11.038
    [11] 蒋政. 人脸识别中特征提取算法的研究与实现[硕士学位论文]. 南京:南京邮电大学, 2016.
    [12] 余小角, 郭景, 徐凯, 等. 一种基于类Haar特征和AdaBoost算法的前车检测方法. 微型机与应用, 2017, 36(13):22-25.[doi:10.19358/j.issn.1674-7720.2017.13.008
    [13] 吴浩, 金立左. 基于混合级联分类器的人眼检测器. 工业控制计算机, 2018, 31(6):44-45, 47.[doi:10.3969/j.issn.1001-182X.2018.06.019
    [14] 章明珠, 郑敏, 廖开阳. 基于HAAR小波域边缘方向特征的SAR图像去噪. 计算机应用与软件, 2017, 34(1):187-190.[doi:10.3969/j.issn.1000-386x.2017.01.034
    [15] Papageorgiou CP, Oren M, Poggio T. A general framework for object detection. Proceedings of the 6th International Conference on Computer Vision. Bombay. 1998. 555–562.
    [16] Lienhart R, Maydt J. An extended set of Haar-like features for rapid object detection. Proceedings of International Conference on Image Processing. Rochester, NY, USA. 2002.
    [17] Graham DB, Allinson NM. Characterising virtual eigensignatures for general purpose face recognition. Wechsler H, Phillips PJ, Bruce V, et al. Face Recognition from Theory to Applications. Berlin, Heidelberg:Springer, 1998. 446-456.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

李昱兵,周文兴,张霍,赵季中.一组用于快速人脸检测的分开Haar特征.计算机系统应用,2019,28(8):229-234

复制
分享
文章指标
  • 点击次数:1411
  • 下载次数: 2010
  • HTML阅读次数: 1294
  • 引用次数: 0
历史
  • 收稿日期:2019-01-25
  • 最后修改日期:2019-02-26
  • 在线发布日期: 2019-08-14
  • 出版日期: 2019-08-15
文章二维码
您是第11200272位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号