传统的算法
-
基于ACF特征的人脸检测 ACF & VJ Framework
ACF:聚合通道特征,简单来说就是把各种特征聚合到一起,比如10个通道,可以包含 RGB, HSV, HOG等
训练阶段:预处理获取一批人脸的正负样本,训练一个级联的 Adaboost 分类器(多个 Adaboost 级联检测),用于判断是否是人脸;
检测阶段:遍历输入的图(设定一定的步长),通过训练好的分类器判断是否是人脸,去重,done.
速度比较快:积分图,决策树也快 -
opencv 的人脸检测
基本上跟上面的类似,只是分别采用了不同的初始特征,opencv里有用haar | hog | lbp
等实现的特征提取,后面都采用了cascade adaboost
做分类。
以上方法快,几乎可以找 CPU 上实时工作,简单的检测不同比例人脸,缺点是不抗遮挡,侧脸检测不到,误检会多些。
- dlib HOG
cpu上最快的方法,效果居中
深度学习的检测方法
文章来源: https://blog.csdn.net/u012384285/article/details/91450575