知识卡片
人脸检测的模板匹配与级联排除
人脸检测在识别流程中充当预处理:在图片中标定人脸的位置和大小。人脸共性明显,都有眼睛、鼻子、前额、颧骨和嘴,把这些特征按近似结构组合起来,若它们同时出现在图片某区域且基本匹配,就判为一张人脸;此阶段只判断是否存在而不做精确匹配,属于模板匹配。要快速完成判断,主流算法是 AdaBoost:把若干弱分类器组合成强分类器,并采用级联策略,每轮迭代不急着确定人脸在哪,而是快速排除明显不含人脸的区域,只保留不确定的区域进入下一轮,逐步提高定位概率直到作出最终决定。之所以选排除而非确认,是因为排除运算更快,能在早期就用很少计算量淘汰大部分背景区域。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第9章 人脸识别中的机器学习 · 查看原书依据
为了快速处理,在每次迭代中,我们仅仅快速地排除图片中不属于人脸的区域,保留那些我们还不确定的区域。在每次迭代中,我们都提高了对图片中人脸定位的概率,直到作出最终的决定。换句话说,不同于确定图片中人脸的位置,我们选择的排除图片中不包含人脸位置,因为排除算法的运算速度更快。我们称这个过程为级联过程。
参考来源
- 位置:《机器学习算法原理与编程实践》第9章 人脸识别中的机器学习(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00031.html)
- 结论依据:原文说明人脸检测是预处理、用通用人脸结构做模板匹配,并明确级联过程是排除非人脸区域更快、每轮提高定位概率,支撑对级联排除机制的概括。
- 原始内容:为了快速处理,在每次迭代中,我们仅仅快速地排除图片中不属于人脸的区域,保留那些我们还不确定的区域。在每次迭代中,我们都提高了对图片中人脸定位的概率,直到作出最终的决定。换句话说,不同于确定图片中人脸的位置,我们选择的排除图片中不包含人脸位置,因为排除算法的运算速度更快。我们称这个过程为级联过程。