具有皮肤和动作分析的人脸检测C ++库_分类_其他

<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta charset="utf-8"> <meta name="generator" content="pdf2htmlEX"> <meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"> <link rel="stylesheet" href="https://static.pudn.com/base/css/base.min.css"> <link rel="stylesheet" href="https://static.pudn.com/base/css/fancy.min.css"> <link rel="stylesheet" href="https://static.pudn.com/prod/directory_preview_static/625d9fdd92dc900e627e2714/raw.css"> <script src="https://static.pudn.com/base/js/compatibility.min.js"></script> <script src="https://static.pudn.com/base/js/pdf2htmlEX.min.js"></script> <script> try{ pdf2htmlEX.defaultViewer = new pdf2htmlEX.Viewer({}); }catch(e){} </script> <title></title> </head> <body> <div id="sidebar" style="display: none"> <div id="outline"> </div> </div> <div id="pf1" class="pf w0 h0" data-page-no="1"><div class="pc pc1 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/625d9fdd92dc900e627e2714/bg1.jpg"><div class="c x1 y1 w2 h2"><div class="t m0 x2 h3 y2 ff1 fs0 fc0 sc0 ls0 ws0">具有皮肤和动作分析的人脸检测具有皮肤和动作分析的人脸检测C ++库库-源码源码</div><div class="t m0 x2 h4 y3 ff1 fs1 fc0 sc0 ls0 ws0">介绍介绍</div><div class="t m0 x2 h5 y4 ff1 fs2 fc0 sc0 ls0 ws0">在具有复杂背景（室外环境，机场，火车站/汽车站）的不受控制的风景中，智能图像/视频处理用于面部识别的第一步是面部</div><div class="t m0 x2 h5 y5 ff1 fs2 fc0 sc0 ls0 ws0">检测。 后者的精度在很大程度上取决于您的面部识别结果。 通常，在该领域进行研究的科学家没有时间或能力来开发可用于</div><div class="t m0 x2 h5 y6 ff1 fs2 fc0 sc0 ls0 ws0">商业用途的优化C ++代码，而只能将自己局限于Matlab开发过程中。</div><div class="t m0 x2 h5 y7 ff1 fs2 fc0 sc0 ls0 ws0">本文的目的是提供一个我开发的经过SSE优化的C ++库，用于人脸检测，因此您可以立即在视频监视应用程序中开始使用</div><div class="t m0 x2 h5 y8 ff1 fs2 fc0 sc0 ls0 ws0">它。 随同它提供的分类器是在一段时间内以不同的光照条件在我收集的网络摄像头图像上进行训练的，它可以实时无故障地</div><div class="t m0 x2 h5 y9 ff1 fs2 fc0 sc0 ls0 ws0">检测到我。 对于非面部数据，我使用了一些背景的网络摄像头快照。 使用高斯滤波从图像中提取的矩形，然后进行直方图归</div><div class="t m0 x2 h5 ya ff1 fs2 fc0 sc0 ls0 ws0">一化，因此，应用该过程后，如果存在的话，其外观在外观上也非常相似。 您可以找到下面描述的算法，如果您遇到特殊身</div><div class="t m0 x2 h5 yb ff1 fs2 fc0 sc0 ls0 ws0">份问题，请尝试在Internet上可用的众多数据库中对网络进行训练，训练集中的面Kong更多不同-该面Kong的大小与我的相</div><div class="t m0 x2 h5 yc ff1 fs2 fc0 sc0 ls0 ws0">同人脸图像19x19的lib是CBCL。 它已超过100 MB，目前无法访问宽带。</div><div class="t m0 x2 h4 yd ff1 fs1 fc0 sc0 ls0 ws0">背景背景</div><div class="t m0 x2 h5 ye ff1 fs2 fc0 sc0 ls0 ws0">了解小波分析，降维方法（PCA，LDA，ICA），人工神经网络（ANN），支持向量机（SVM），SSE编程，图像处理，形态</div><div class="t m0 x2 h5 yf ff1 fs2 fc0 sc0 ls0 ws0">学运算（侵蚀，膨胀），直方图均衡化，图像过滤，C ++编程和一些面部检测背景将是可取的。 我不会描述所提到的每一个</div><div class="t m0 x2 h5 y10 ff1 fs2 fc0 sc0 ls0 ws0">要点，因为这需要大量的写作，您应该查看Google或Wiki以获得大量可用的教程。</div><div class="t m0 x2 h4 y11 ff1 fs1 fc0 sc0 ls0 ws0">使用代码使用代码</div><div class="t m0 x2 h5 y12 ff1 fs2 fc0 sc0 ls0 ws0">该程序的MFC接口是从我的其他项目“视频预览”和“帧捕获”通过SampleGrabber在缓冲模式下捕获到内存的。 尽管已编译</div><div class="t m0 x2 h5 y13 ff1 fs2 fc0 sc0 ls0 ws0">的演示版本已初始化为640x480视频流，但如果您的网络摄像头仅支持不同的帧速率，则必须重新编译它，以</div><div class="t m0 x2 h5 y14 ff1 fs2 fc0 sc0 ls0 ws0">将m_Width和m_Height变量初始化为CVidCapDlg构造函数中的分辨率。 如果您的摄像头以320x240运行，比640x480小两</div><div class="t m0 x2 h5 y15 ff1 fs2 fc0 sc0 ls0 ws0">倍，则还必须将m_ResizeRatio从0.125更改为0.25（数字的两倍）。 进行此类修改的原因是，为了实时运行，在初始</div><div class="t m0 x2 h5 y16 ff3 fs2 fc0 sc0 ls0 ws0">640x480图像中搜索19x19尺寸的面Kong（非常小）非常昂贵。 我使用我的文章《使用Haar变换进行快速二元图像缩</div><div class="t m0 x2 h5 y17 ff1 fs2 fc1 sc0 ls0 ws0">放》将代码缩小为原始尺寸的0.125：80x60。 现在，如果您开始在该缩小的图像中寻找一张19x19的矩形来寻找一张脸，</div><div class="t m0 x2 h5 y18 ff1 fs2 fc0 sc0 ls0 ws0">则它在640x480图像上的实际大小将是8倍：152x152。 向下采样不仅使算法在计算速度上受益，而且在获得没有噪音和多</div><div class="t m0 x2 h5 y19 ff1 fs2 fc0 sc0 ls0 ws0">余细节的面部粗糙纹理方面也有好处。 在这种向下采样的情况下，所有面Kong的外观都变得非常相似，从而便于检测。 在</div><div class="t m0 x2 h5 y1a ff3 fs2 fc0 sc0 ls0 ws0">640x480图像上，人脸的152x152尺寸就好比您坐在显示器前的距离差不多。 因此，如果您想让计算机看到您，则应将自</div><div class="t m0 x2 h5 y1b ff1 fs2 fc0 sc0 ls0 ws0">己放置在该距离或更近的位置。 对于320x240的网络摄像头视频流，您必须将图像缩小到其大小的0.25。 缩小后的80x60</div><div class="t m0 x2 h5 y1c ff1 fs2 fc0 sc0 ls0 ws0">图像会进一步内插为其大小的0.86、0.73和0.6。 因此，金字塔被构建，并且在该图像金字塔上实现了对人脸的搜索，这使</div><div class="t m0 x2 h5 y1d ff1 fs2 fc0 sc0 ls0 ws0">计算机可以“看到”人脸的大小，越靠近网络摄像头，人脸的矩形就会越大确定。</div><div class="t m0 x2 h5 y1e ff1 fs2 fc0 sc0 ls0 ws0">要开始检测过程，请单击枚举按钮以选择视频源设备，选择捕获速率（以毫秒为单位），默认值为1000（每秒捕获的帧），</div><div class="t m0 x2 h5 y1f ff1 fs2 fc0 sc0 ls0 ws0">选中“检测”框以加载或卸载分类器，将cvInfo替换为：</div><div class="t m0 x2 h6 y20 ff3 fs3 fc0 sc0 ls0 ws0">classifiers: 15</div><div class="t m0 x2 h6 y21 ff3 fs3 fc0 sc0 ls0 ws0">image: 80x60</div><div class="t m0 x2 h6 y22 ff3 fs3 fc0 sc0 ls0 ws0">scales: 0.86, 0.73, 0.60</div><div class="t m0 x2 h5 y23 ff1 fs2 fc0 sc0 ls0 ws0">加载的分类器与可执行文件位于同一目录中的文件face.nn ， pca.nn ， preflt.nn和skin.nn中。 如果光照条件不好，您可</div><div class="t m0 x2 h5 y24 ff1 fs2 fc0 sc0 ls0 ws0">以通过简单地删除skin.nn文件来跳过皮肤检测过程，在这种情况下，分类器的状态为：</div><div class="t m0 x2 h6 y25 ff3 fs3 fc0 sc0 ls0 ws0">classifiers: 11</div><div class="t m0 x2 h6 y26 ff3 fs3 fc0 sc0 ls0 ws0">image: 80x60</div><div class="t m0 x2 h6 y27 ff3 fs3 fc0 sc0 ls0 ws0">scales: 0.86, 0.73, 0.60</div><div class="t m0 x2 h5 y28 ff1 fs2 fc0 sc0 ls0 ws0">现在，单击“运行”按钮，并注意在中央大型静态控件中检测到您的脸。 它以约15-25fps的速度检测到我的2.2Ghz AMD MK-</div><div class="t m0 x2 h5 y29 ff3 fs2 fc0 sc0 ls0 ws0">38上的脸，但有时甚至以35-50fps的速度运行-请查看结果部分。 因此，我可以将帧捕获率设置为100（每秒10帧），而不</div><div class="t m0 x2 h5 y2a ff1 fs2 fc0 sc0 ls0 ws0">会导致过多的处理器过载。</div><div class="t m0 x2 h7 y2b ff1 fs4 fc0 sc0 ls0 ws0">算法算法</div><div class="t m0 x2 h5 y2c ff1 fs2 fc0 sc0 ls0 ws0">该算法不是新颖的，并且已经在许多科学论文中进行了报道。 使用高斯滤波器对缩小后的图像进行平滑处理以减少噪声，然</div><div class="t m0 x2 h5 y2d ff1 fs2 fc0 sc0 ls0 ws0">后对19x19个矩形进行搜索，这些矩形在分类过程之前均等化了直方图。 为了进一步减少由19x19矩阵的列组成的361维列</div><div class="t m0 x2 h5 y2e ff1 fs2 fc0 sc0 ls0 ws0">向量的维数，我们可以将其线性投影到正交PCA，LDA或非正交ICA投影矩阵，其列是相同维数的投影基向量。 在我的投影矩</div><div class="t m0 x2 h5 y2f ff1 fs2 fc0 sc0 ls0 ws0">阵中，我首先使用了从我的训练人脸/非人脸集合的PCA变换中获得的40个特征向量。 接下来的两幅图像显示了我在训练集中</div><div class="t m0 x2 h5 y30 ff1 fs2 fc0 sc0 ls0 ws0">使用的一些面部，非面部：</div></div><a class="l" rel='nofollow' onclick='return false;'><div class="d m1"></div></a><a class="l" rel='nofollow' onclick='return false;'><div class="d m1"></div></a><a class="l" rel='nofollow' onclick='return false;'><div class="d m1"></div></a></div><div class="pi" data-data='{"ctm":[1.611639,0.000000,0.000000,1.611639,0.000000,0.000000]}'></div></div> </body> </html>

<div id="pf2" class="pf w0 h0" data-page-no="2"><div class="pc pc2 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/625d9fdd92dc900e627e2714/bg2.jpg"><div class="c x1 y1 w2 h2"><div class="t m0 x2 h5 y31 ff1 fs2 fc0 sc0 ls0 ws0">面Kong</div><div class="t m0 x2 h5 y32 ff1 fs2 fc0 sc0 ls0 ws0">非面Kong</div><div class="t m0 x2 h5 y33 ff1 fs2 fc0 sc0 ls0 ws0">我总共使用了约1800个带有面部的矢量和34000个非面部的PCA，LDA和ICA变换。 因此用于变换以获得投影基础的矩阵的</div><div class="t m0 x2 h5 y34 ff1 fs2 fc0 sc0 ls0 ws0">大小为35800x361。 将40维训练样本投影到361x40 PCA，LDA或ICA投影矩阵后，进一步用于训练由4层分别具有40、</div><div class="t m0 x2 h5 y35 ff3 fs2 fc0 sc0 ls0 ws0">20、10和1个神经元组成的ANN分类器。 PCA投影证明了最好的分类结果，从而决定了降维方法的选择。</div><div class="t m0 x2 h5 y36 ff1 fs2 fc0 sc0 ls0 ws0">我的算法中使用的40个PCA特征向量如下所示：</div></div></div><div class="pi" data-data='{"ctm":[1.611639,0.000000,0.000000,1.611639,0.000000,0.000000]}'></div></div>

<div id="pf3" class="pf w0 h0" data-page-no="3"><div class="pc pc3 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/625d9fdd92dc900e627e2714/bg3.jpg"><div class="c x1 y1 w2 h2"><div class="t m0 x2 h5 y37 ff1 fs2 fc0 sc0 ls0 ws0">它们包含约95％的方差。 投影数据如下所示，为平均值+ -std。 红色表示面部数据，绿色表示非面部数据。 我们可以看</div><div class="t m0 x2 h5 y38 ff1 fs2 fc0 sc0 ls0 ws0">到，在前25个预测中，均值之间的差异更大，其余的可能归因于噪声。 我想进行NN培训，对不同数量的预计组件进行分类</div><div class="t m0 x2 h5 y39 ff1 fs2 fc0 sc0 ls0 ws0">会议，并在不久的将来发布结果。</div><div class="t m0 x2 h5 y3a ff1 fs2 fc0 sc0 ls0 ws0">下面，给出了第4个和第9个投影向量的散点图，以了解我们的PCA投影数据如何在2D空间中“生存”。 投影分量的各种组合的</div><div class="t m0 x2 h5 y3b ff1 fs2 fc0 sc0 ls0 ws0">其余2D散点图具有相同的外观。 很遗憾，我们无法以相同的方式绘制40维空间。</div></div></div><div class="pi" data-data='{"ctm":[1.611639,0.000000,0.000000,1.611639,0.000000,0.000000]}'></div></div>

<div id="pf4" class="pf w0 h0" data-page-no="4"><div class="pc pc4 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/625d9fdd92dc900e627e2714/bg4.jpg"><div class="c x1 y1 w2 h2"><div class="t m0 x2 h5 y3c ff3 fs2 fc0 sc0 ls0 ws0">LDA算法很好地将第一个组件分开，其余的只有相同的方法。 LDA预测数据如下所示：</div><div class="t m0 x2 h5 y3d ff1 fs2 fc0 sc0 ls0 ws0">下面显示了第一和第二个投影LDA分量的散点图，其中红色代表面部矢量，绿色代表非面部矢量：</div></div></div><div class="pi" data-data='{"ctm":[1.611639,0.000000,0.000000,1.611639,0.000000,0.000000]}'></div></div>

<div id="pf5" class="pf w0 h0" data-page-no="5"><div class="pc pc5 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://static.pudn.com/prod/directory_preview_static/625d9fdd92dc900e627e2714/bg5.jpg"><div class="c x1 y1 w2 h2"><div class="t m0 x2 h5 y3e ff1 fs2 fc0 sc0 ls0 ws0">我喜欢通过对面部样本（1800x361）组成的矩阵进行PCA变换而获得的特征向量（特征脸），因为它们类似于训练矩阵中</div><div class="t m0 x2 h5 y3f ff1 fs2 fc0 sc0 ls0 ws0">存在的面Kong。</div><div class="t m0 x2 h5 y40 ff1 fs2 fc0 sc0 ls0 ws0">一些方法仅使用上面显示的特征面作为投影基础。</div><div class="t m0 x2 h5 y41 ff1 fs2 fc0 sc0 ls0 ws0">对于ANN训练程序，我将1800个面Kong和34000个非面Kong随机分为一半用于训练集，另一半用于验证和测试集。 验证</div><div class="t m0 x2 h5 y42 ff1 fs2 fc0 sc0 ls0 ws0">之一用作年度停止标准，而测试集是对网络泛化程度的独立估计。 我在C ++中使用了带有动量反向传播人工神经网络的</div><div class="t m0 x2 h5 y43 ff3 fs2 fc0 sc0 ls0 ws0">ANN反向传播梯度下降训练算法，以及在动量和自适应学习率下进行反向传播梯度下降的Matlab神经网络工具箱。 我的</div><div class="t m0 x2 h5 y44 ff3 fs2 fc0 sc0 ls0 ws0">ANN实施在2.2Ghz上花费了大约10秒钟来训练网络。 培训课程的最佳结果如下所示，包括一半的培训，验证和测试集的敏</div><div class="t m0 x2 h5 y45 ff1 fs2 fc0 sc0 ls0 ws0">感性，特异性，阳性和阴性的可预测性和准确性：</div><div class="t m0 x2 h6 y46 ff3 fs3 fc0 sc0 ls0 ws0">ann1Dn.exe t pca19x19.nn scrpca void 100 void void 0.5 3</div><div class="t m0 x2 h6 y47 ff3 fs3 fc0 sc0 ls0 ws0">TRAINING SET: 36097</div><div class="t m0 x2 h6 y48 ff3 fs3 fc0 sc0 ls0 ws0">VALIDATION SET: 9023</div><div class="t m0 x2 h6 y49 ff3 fs3 fc0 sc0 ls0 ws0">TEST SET: 9475</div><div class="t m0 x2 h6 y4a ff3 fs3 fc0 sc0 ls0 ws0">loading data...</div><div class="t m0 x2 h6 y4b ff3 fs3 fc0 sc0 ls0 ws0"> cls1: 1787 cls2: 34310 files loaded. size: 40 samples</div><div class="t m0 x2 h6 y4c ff3 fs3 fc0 sc0 ls0 ws0"> validation size: 446 8577</div><div class="t m0 x2 h6 y4d ff3 fs3 fc0 sc0 ls0 ws0"> test size: 469 9006</div><div class="t m0 x2 h6 y4e ff3 fs3 fc0 sc0 ls0 ws0">training...</div><div class="t m0 x2 h6 y4f ff3 fs3 fc0 sc0 ls0 ws0"> epoch: 1 out: 0.876908 0.109924 max acur: 0.88 (epoch 1)</div></div><a class="l" rel='nofollow' onclick='return false;'><div class="d m1"></div></a><a class="l" rel='nofollow' onclick='return false;'><div class="d m1"></div></a></div><div class="pi" data-data='{"ctm":[1.611639,0.000000,0.000000,1.611639,0.000000,0.000000]}'></div></div>