移动端人脸检测：五种实现与分析
计算机视觉与模式识别
2022-05-13 v2
摘要
在许多实际情形下，智能手机或其他高便携设备上进行人脸检测是必需的。应用包括移动人脸门禁系统、驾驶员状态追踪、情绪识别等。移动设备处理能力有限，且即便运行人脸检测应用也应具备足够长的电池续航。因此，在算法质量与复杂度间取得恰当平衡至关重要。本工作将 5 种算法适配至移动端。这些算法基于手工或神经网络特征，包括：Viola-Jones（Haar 级联）、LBP、HOG、MTCNN、BlazeFace。我们分析这些算法在不同设备、不同输入图像分辨率下的推理时间。我们给出何种算法最适配移动人脸门禁系统及潜在其他移动应用的指导。有趣的是，我们注意到级联算法在无人脸场景上更快，而 BlazeFace 在空场景上更慢。利用此行为在实践中或有益处。
引用
@article{arxiv.2205.05572,
title = {Face Detection on Mobile: Five Implementations and Analysis},
author = {Kostiantyn Khabarlak},
journal= {arXiv preprint arXiv:2205.05572},
year = {2022}
}