OpenCV vs Dlib 人脸检测比较分析 | 您所在的位置:网站首页 › opencv人脸表情识别原理 › OpenCV vs Dlib 人脸检测比较分析 |
点击我爱计算机视觉标星,更快获取CVML新技术 人脸检测是计算机视觉最典型的应用之一,早期OpenCV的logo就是Haar人脸检测的示意图。 很多人的第一个OpenCV学习目标就是跑通Haar级联人脸检测,Dlib库在业内开始流行很大程度上是因为其HOG-SVM人脸检测比OpenCV Haar的好,而近年来OpenCV和Dlib均已包含基于深度学习的人脸检测算法实现。 Haar-Cascade,HOG-SVM,深度学习正是代表着人脸检测乃至目标检测的三个时代。 昨天Learn OpenCV网站博主Vikas Gupta博士发表文章,对OpenCV与Dlib中四种人脸检测算法实现进行了比较分析,包含C++/Python的代码示例,且对精度和速度都进行了量化。 先来看看作者发布的视频: 1. OpenCV Haar Cascade人脸检测 算法无需赘言。 代码示例: 优点 1)几乎可以在CPU上实时工作; 2)简单的架构; 3)可以检测不同比例的人脸。 缺点 1)会出现大量的把非人脸预测为人脸的情况; 2)不适用于非正面人脸图像; 3)不抗遮挡。 2. OpenCV DNN 人脸检测 从OpenCV3.3版本后开始引入,算法出自论文《SSD: Single Shot MultiBox Detector》(https://arxiv.org/abs/1512.02325)。使用ResNet-10作为骨干网。 OpenCV提供了两个模型: 1)原始Caffe实现的16位浮点型版本(5.4MB); 2)TensorFlow实现的8位量化版本(2.7MB)。 Vikas Gupta的代码包含了这两种模型。 模型加载代码示例: |
CopyRight 2018-2019 实验室设备网 版权所有 |