基于似然图与光流的实时 AdaBoost 级联人脸跟踪器
计算机视觉与模式识别
2022-10-26 v1
摘要
作者提出了一种新的人脸跟踪方法，将光流信息融入改进版的 Viola Jones 检测算法中。在原算法中，检测是静态的，因为未考虑前一帧的信息。此外，候选窗口必须通过分类级联的所有阶段，否则将被丢弃为不含人脸。相比之下，所提出的跟踪器保留了每个窗口所通过分类阶段数量的信息。此类信息用于构建似然图，表示在该位置存在人脸的概率。通过光流计算将似然图的位置外推至下一帧，从而提供跟踪能力。所提算法在标准笔记本电脑上实时运行。系统在 Boston Head Tracking Database 上进行了验证，表明所提算法在检测率和输出边界框的稳定性方面优于标准 Viola Jones 检测器，并且具备处理遮挡的能力。作者还评估了两种近期发表的基于卷积网络和可变形部件模型的人脸检测器，其算法以极少的计算时间取得了相当的精度。
关键词
引用
@article{arxiv.2210.13885,
title = {Real-time AdaBoost cascade face tracker based on likelihood map and optical flow},
author = {Andreas Ranftl and Fernando Alonso-Fernandez and Stefan Karlsson and Josef Bigun},
journal= {arXiv preprint arXiv:2210.13885},
year = {2022}
}
备注
Published at IET Biometrics Journal