基于深度学习的无约束环境长期人脸跟踪
计算机视觉与模式识别
2018-05-22 v1
摘要
本文研究在视频流中以单帧中某人的人脸图像作为查询，对该特定人物进行长期人脸跟踪的问题。通过利用在大数据上预训练的深度模型，我们开发了一种新颖系统，用于在描绘多人与物体进出画面的无约束环境中准确进行视频人脸跟踪。在所提系统中，我们提出一种检测-验证-跟踪方法（称为“DVT”），通过人脸检测、人脸验证与（短期）人脸跟踪的协作完成长期人脸跟踪任务。基于级联卷积神经网络的离线训练检测器定位画面中出现的所有人脸，基于深度卷积神经网络与相似性度量学习的离线训练人脸验证器判断哪张人脸对应查询人物。在线训练的跟踪器逐帧跟随该人脸。在情景喜剧剧集与电视节目上的验证表明，DVT方法在召回率与精度上优于跟踪-学习-检测（TLD）与face-TLD。所提系统还在许多其他类型视频上测试，展现出非常有前景的结果。
引用
@article{arxiv.1805.07646,
title = {Long-term face tracking in the wild using deep learning},
author = {Kunlei Zhang and Elaheh Rashedi and Elaheh Barati and Xue-wen Chen},
journal= {arXiv preprint arXiv:1805.07646},
year = {2018}
}
备注
KDD Workshop on Large-scale Deep Learning for Data Mining, August 2016, San Fransisco, CA, USA