Haar、pico、npd、dlib等多种人脸检测特征及算法结果比较
2017-05-04 11:44
591 查看
原文:opencv、pico、npd、dlib、face++等多种人脸检测算法结果比较
NDP检测结果:
结果分析:
Pico(Pixel Intensity Comparison-based Object detection)发表于2014年,它也继承于Viola-Jones算法并对其做了一部分改进,最大的不同在于特征提取方式,不同于Viola-Jones的Haar特征,pico则是提取点对特征,对两个像素点进行对比。实验表明这种特征比Haar特征更为有效,且运算时间更短。
这就意味着PICO的抗噪性能极差,场景可扩展性不强。
NDP特征有以下几个特点:
其特征是反对称的,也就是说 f (x, y) 或者f (y, x) 都可以表述 x 和 y 两点的特征,举个例子来说,对于一张 p = h*w 大小的图片,其特征池大小为 p * (p-1)/2 。
其特征是有符号的,也就是说其特征表述是有方向性的。
其特征是尺度鲁棒的, 也就是说由于其特征分子是两像素点差值,所以对于光照具有较强的鲁棒性。
其特征值是归一化的。
最后指出,通过特征池是可以重建出原图的,也就是说特征池包含了原图片中的所有信息。
重要参考文章:NPD实现及其与pico一脉相承的关系
此文详细的介绍了PICO和NDP的理论和实验,以及递进关系。赞一个!!!
GitHub代码下载:https://github.com/wincle/NPD
NDP的官网及代码下载:http://www.cbsr.ia.ac.cn/users/scliao/projects/npdface/
相关文章推荐
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程 .
- 关于人脸检测中的Haar特征提取
- (链接) AdaBoost中利用Haar特征进行人脸识别算法分析与总结
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结
- 关于人脸检测中的Haar特征提取
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 对adaboost+haar特征进行人脸检测的原理的认识
- 关于人脸检测中的Haar特征提取
- 使用opencv2.0的haar算法人脸检测分类器训练xml
- 人脸检测原理及示例(OpenCV+Python) haar特征 adaboost
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结1——Haar特征与积分图
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结(转载)
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 浅析人脸检测之Haar分类器方法:Haar特征、积分图、 AdaBoost 、级联
- 关于人脸检测中的Haar特征提取
- 关于人脸检测中的Haar特征提取
- OpenCV学习笔记:基于Haar特征的人脸检测