海量訓練數(shù)據(jù)如何影響人臉檢測器性能：實驗研究.pdf

1、人臉檢測(Face Detection)是指對于任意的一幅輸入圖像,通過一定的搜索方法,判斷其中是否有人臉存在；如果其中包含人臉,則返回人臉所在的數(shù)目、位置及其大小等信息。一方面,人臉檢測具有廣泛的應用前景,例如人臉識別、視頻監(jiān)控、人機交互、圖像檢索、視頻會議和數(shù)碼相機等；另一方面,對于人臉檢測的研究可以為其它的目標檢測和識別問題提供重要的啟示。因此,人臉檢測在近來年一直是計算機視覺研究領域的一個熱點問題。
　　 經(jīng)過數(shù)十年的研

2、究,人臉檢測得到了快速的發(fā)展。針對人臉檢測,至今已經(jīng)提出了很多檢測方法,并取得了很好的檢測效果。然而,其中很多人臉檢測算法,它們共同的特點是對海量人臉訓練樣本的依賴,且所使用的大型訓練樣本的構(gòu)建幾乎也都相當任意。由于Internet的發(fā)展,海量圖像數(shù)據(jù)變得很容易就能夠獲得。海量的人臉樣本可以提供模式更為多樣化的人臉,有利于訓練出高檢測率的檢測器。然而,使用海量的人臉樣本,往往也會導致分類器在訓練階段所耗費的時間過長,對硬件方面相應的要求

3、也會提高。訓練數(shù)據(jù)的規(guī)模和性質(zhì)如何影響檢測器的性能已成為人臉檢測研究中的一個重要問題。對該問題的研究,利于實現(xiàn)對海量人臉樣本集進行優(yōu)化,同時對于其它研究領域中進行樣本的優(yōu)化也有著重要的啟示作用。
　　 本文基于一個典型的正面人臉檢測器算法,對上述問題進行了大規(guī)模實驗性研究。具體地,本文針對人臉圖像中包含的5種常見變化,即光照、表情、圖像模糊度、對比度、噪聲,構(gòu)造了一個包含34萬張人臉圖像的大型訓練集,在此基礎上研究了上述5種因素