自然场景下基于深度图像的头部检测
计算机视觉与模式识别
2017-11-09 v2
摘要
头部检测与定位是一项极具挑战性的任务，也是许多计算机视觉应用（如视频监控、人机交互和人脸分析）的关键要素。针对 RGB 图像的人脸检测已有大量研究，加之海量人脸数据集的可用性，使得在该领域能够建立非常有效的系统。然而，由于光照问题，在实际应用中可能需要红外或深度相机。本文引入了一种利用深度学习方法分类能力的新型深度图像头部检测方法。除了降低对外部光照的依赖外，深度图像还隐式嵌入了用于处理目标物体尺度的有用信息。本文利用了两个公开数据集：第一个名为 Pandora，用于训练包含人脸与非人脸图像的深度二元分类器；第二个由 Cornell University 采集，用于在非约束环境下的日常活动中进行跨数据集测试。实验结果表明，所提出的方法超越了现有基于深度图像的方法的性能。
引用
@article{arxiv.1707.06786,
title = {Head Detection with Depth Images in the Wild},
author = {Diego Ballotta and Guido Borghi and Roberto Vezzani and Rita Cucchiara},
journal= {arXiv preprint arXiv:1707.06786},
year = {2017}
}
备注
Accepted as full paper (oral) at VISAPP 2018