基于肤色与虚警抑制的增强型人脸检测框架
计算机视觉与模式识别
2017-02-16 v1
摘要
人脸检测是计算机视觉中具有挑战性的任务之一。人脸检测在人脸识别、人脸跟踪、图像数据库管理等人脸处理应用的第一阶段起着至关重要的作用。在这些应用中，人脸对象通常来自图像中不起眼的部分，且包含诸如不同光照、姿态和遮挡等变化。这些变化会显著降低人脸检测率。大多数现有人脸检测方法不够准确，因为它们无法解决因外观巨大变化导致的非结构化图像，且只能检测特定变化下的人脸。现有人脸检测框架需要改进，以在上述变化下检测人脸，从而提高检测率并减少检测时间。本研究提出一种基于肤色并提高检测率的增强型人脸检测框架，并提供一个验证过程。基于肤色对输入图像进行初步分割可显著缩小搜索空间并加速人脸检测过程。初步检测基于类 Haar 特征与 Adaboost 算法。引入一种验证过程以剔除在人脸检测过程中可能出现的非人脸对象。该验证过程基于两阶段扩展局部二值模式（Extended Local Binary Patterns）。在 CMU-MIT 与 Caltech 10000 数据集上，针对颜色、位置、尺度和光照条件等多方面人脸变化的实验结果表明了成功的检测率。
引用
@article{arxiv.1702.04377,
title = {Enhanced Facial Recognition Framework based on Skin Tone and False Alarm Rejection},
author = {Ali Sharifara and Mohd Shafry Mohd Rahim and Farhad Navabifar and Dylan Ebert and Amir Ghaderi and Michalis Papakostas},
journal= {arXiv preprint arXiv:1702.04377},
year = {2017}
}