×
约瑟·路易斯·利萨尼;西尔维娅·拉米斯;弗朗西斯科·佩雷莱斯。

人脸的反向检测：一个示例。 （英语） Zbl 1451.94012号

SIAM J.成像科学。 10，编号4，2091-2118（2017）.
摘要：具有能够通过对立推理框架是感知原理的统计公式，它允许人们检测数据中有意义的结构。它已被应用于图像中的线条和轮廓、视频中的运动对象等的检测，但尚未尝试将其用于人脸检测。本文的目的是表明具有能够通过对立推理公式可以适用于Viola和Jones在其开创性工作中描述的人脸检测方法。我们通过引入随机分类器来替代作者提出的级联分类器具有能够通过对立推理单个分类器的检测模型，从中可以推断出自适应检测阈值。结果是单个分类器的检测率与级联分类器的检测率相似。此外，我们还展示了如何构建一个非常短的分类器级联，从而以更低的计算成本提高经典级联的准确性。结果证明了该方法的有效性具有能够通过对立推理用于人脸检测的方法，并建议可以使用相同的原理来提高最先进方法的性能。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
68T05型 人工智能中的学习和自适应系统
第68页第45页 机器视觉和场景理解
62F03型 参数假设检验

关键词：

人脸检测;统计方法;相反的方法;维奥拉-琼斯探测器

软件：

巨浪;打开CV;AlexNet公司;联邦开发银行;ImageNet公司
PDF格式BibTeX公司 XML格式引用
\textit{J.-L.Lisani}等人，SIAM J.成像科学。10，第4号，2091--2118（2017；Zbl 1451.94012）
全文： 内政部

参考文献：

[2] T.Ahonen、A.Hadid和M.Pietika­inen，基于局部二进制模式的人脸识别，《第八届欧洲计算机视觉会议论文集》，2004年，第469–481页·Zbl 1098.68717号
[3] M.O.Asadoorian和D.Kantarelis，推断统计学基础第4版，美国大学出版社，马里兰州拉纳姆，2004年。
[4] R.B.Ash和C.A.Dol©ans-Dade，概率与测度理论第二版，学术出版社，纽约，2000年·Zbl 0944.60004号
[5] G.Bradski和A.Kaehler，使用OpenCV库学习OpenCV：C++中的计算机视觉第二版，O'Reilly Media，加利福尼亚州塞巴斯托波尔，2013年。
[6] D.Chen、S.Ren、Y.Wei、X.Cao和J.Sun，联合级联人脸检测与对齐，《第13届欧洲会议论文集》，2014年，第109-122页。
[7] D.G.Lowe，感知组织与视觉识别，Kluwer学术出版社，多德雷赫特，1985年。
[8] N.Dalal和B.Triggs，人体检测定向梯度直方图，《IEEE计算机学会计算机视觉和模式识别会议论文集》，2005年，第886–893页。
[9] J.Delon、A.Desolneux、J.L.Lisani和A.B.Petro，一种非参数直方图分割方法，IEEE传输。图像处理。，16（2007年），第253-261页。
[10] A.Desolneux、L.Moisan和J.Morel，利用亥姆霍兹原理进行边缘检测，J.数学。《成像视觉》，14（2001），第271-284页·Zbl 0988.68819号
[11] A.Desolneux、L.Moisan和J.Morel，分组原则和四种应用，IEEE传输。模式分析。机器智能。，25（2003），第508–513页。
[12] A.Desolneux、L.Moisan和J.Morel，最大意义事件及其在图像分析中的应用，安娜。统计学。，31（2003），第1695–2095页·Zbl 1046.62104号
[13] A.Desolneux、L.Moisan和J.Morel，从格式塔理论到图像分析：一种概率方法，施普林格，纽约，2008年·Zbl 1241.68001号
[14] B.弗罗巴和A.恩斯特，基于多径决策树的快速正面人脸检测，《第四届基于音频和视频的生物特征身份验证国际会议论文集》，2003年，第921-928页·Zbl 1050.68729号
[15] V.Jain和E.Learnd-Miller，FDDB：无约束环境下人脸检测的基准《技术报告UM-CS-2010-009》，马萨诸塞大学阿默斯特分校，2010年。
[16] V.Jain和E.Learnd-Miller，预训练分类器级联的在线域自适应，《IEEE计算机视觉和模式识别会议论文集》，2011年，第577-584页。
[17] B.Jun、I.Choi和D.Kim，局部变换特征和杂交用于准确的人脸和人体检测，IEEE传输。模式分析。机器智能。，35（2013），第1423-1436页。
[18] A.Krizhevsky、I.Sutskever和G.E.Hinton，基于深度卷积神经网络的ImageNet分类，《神经信息处理系统进展学报》，2012年，第1097-1105页。
[19] M.Köstinger、P.Wohlhart、P.M.Roth和H.Bischof，通过简单的方法实现稳健的人脸检测，《计算机视觉应用研讨会论文集》，2012年。
[20] S.Z.Li、L.Zhu、Z.Zhang、A.Blake、H.Zhang和H.Shum，多视角人脸检测的统计学习《第七届欧洲计算机视觉会议论文集》，2002年，第67-81页·Zbl 1039.68673号
[21] R.Lienhart、A.Kuranov和V.Pisarevsky，用于快速目标检测的增强分类器检测级联的经验分析，《第25届DAGM模式识别研讨会论文集》，2003年，第297-304页。
[22] R.Lienhart和J.Maydt，用于快速目标检测的扩展Haar-like特征集，《IEEE图像处理国际会议论文集》，2002年第1卷，第900-903页。
[23] J.W.Lindeberg，德瓦尔申利奇基特雷克努格的指数化，数学。Z.，15（1922），第211-225页。
[24] J.L.Lisani和J.M.Morel，检测卫星图像中的主要变化，《图像处理国际会议论文集》，2003年第1卷，第941-944页。
[25] J.L.Lisani、L.Rudin和A.Buades，视频监控应用程序的快速视频搜索和索引，具有最佳控制的误报率，《2011年IEEE多媒体与博览会国际会议论文集》，2011年，第1-6页。
[26] M.Mathias、R.Benenson、M.Pedersoli和L.Van Gool，没有铃声和口哨的人脸检测，《第13届欧洲计算机视觉会议论文集》，2014年，第720-735页。
[27] M.M.NordströM、M.Larsen、J.Sierakowski和M.B.Stegmann，IMM Face数据库——的注释数据集240人脸图像，《技术报告》，《信息学和数学建模》，丹麦技术大学，2004年。
[28] T.Ojala、M.Pietika­inen和T.Ma­enpa­a­，基于局部二值模式的多分辨率灰度和旋转不变纹理分类，IEEE传输。模式分析。Machiche Intell.公司。，24（2002），第971-987页。
[29] J.Sochman和J.Matas，时间约束序列检测的WaldBoost学习，《IEEE计算机学会计算机视觉和模式识别会议论文集》，2005年，第150–156页。
[30] 维奥拉、琼斯和维奥拉，快速多视角人脸检测，《计算机视觉与模式识别学报》，2003年。
[31] P.Viola和M.Jones，利用简单特征的增强级联实现快速物体检测，《IEEE计算机学会计算机视觉和模式识别会议论文集》，2001年，第511-518页。
[32] R.G.von Gioi，一种反向线段检测，施普林格，纽约，2014年·Zbl 1286.68003号
[33] R.G.von Gioi和G.Randall，无监督平滑轮廓检测《图像处理在线》，6（2016），第233-267页。
[34] Y.-Q.Wang，Viola-Jones人脸检测算法分析《图像处理在线》，4（2014），第128–148页。
[35] A.Witkin和J.Tenenbaum，论结构在视觉中的作用《人类和机器视觉》，学术出版社，纽约，1983年，第481-543页。
[36] B.Wu、H.Ai、C.Huang和S.Lao，基于实AdaBoost的快速旋转不变多视图人脸检测，《第六届IEEE自动人脸和手势识别国际会议论文集》，2004年，第79-84页。
[37] 肖仁浩、朱浩、孙浩和唐晓霞，人脸检测的动态级联，《IEEE第11届计算机视觉国际会议论文集》，2007年，第1-8页。
[38] S.Zafeiriou、C.Zhang和Z.Zhang，野外人脸检测研究综述：过去、现在和未来，计算。视觉。《图像理解》，138（2015），第1-24页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。