www.久久久久|狼友网站av天堂|精品国产无码a片|一级av色欲av|91在线播放视频|亚洲无码主播在线|国产精品草久在线|明星AV网站在线|污污内射久久一区|婷婷综合视频网站

當(dāng)前位置:首頁 > 物聯(lián)網(wǎng) > 《物聯(lián)網(wǎng)技術(shù)》雜志
[導(dǎo)讀]摘 要:通過對支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)及AdaBoost算法的對比分析,發(fā)現(xiàn)支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)算法構(gòu)造的分類器復(fù)雜度高,效率低。而AdaBoost則從弱分類器中逐步推選出強(qiáng)分類器并組成級聯(lián)分類器,快速將大量的非人臉圖像排除掉,從而提高檢測速度,滿足人臉實(shí)時檢測應(yīng)用領(lǐng)域的需求。

引 言

隨著計(jì)算機(jī)技術(shù)的高速發(fā)展,計(jì)算機(jī)的應(yīng)用已滲入到人們生活的各個方面。尤其是近年來人工智能的發(fā)展,其可利用計(jì)算機(jī)取代人的工作,利用智能設(shè)備完成信息交互和控制,極大地推動了智能技術(shù)和智能設(shè)備的研究應(yīng)用。其中,人臉識別技術(shù)是人工智能領(lǐng)域的關(guān)鍵技術(shù) [1],包括人臉檢測、識別和跟蹤等,廣泛應(yīng)用于智能視頻監(jiān)控系統(tǒng)、門禁控制系統(tǒng)中。人臉檢測是從輸入的圖像中檢測出是否有人臉圖像的存在,并將其從背景中分離出來的過程,是人臉識別技術(shù)的基礎(chǔ),也是人臉識別的第一步。人臉檢測的算法非常多,目前常用的方法有支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、AdaBoosting 等。

1 支持向量機(jī)

支持向量機(jī)(Support Vector Machine,SVM)建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC 維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上[2],用于對線性可分的模型進(jìn)行分類的算法。對于訓(xùn)練樣本而言,就是尋找最優(yōu)的分類面來完成樣本的分類。支持向量機(jī)工作原理圖如圖 1 所示。


淺析人臉檢測技術(shù)的探究


其本質(zhì)是一個二分類問題,實(shí)心圓和空心圓分別代表兩 類不同的訓(xùn)練樣本。尋找最優(yōu)的分類線 L,這條分類線不僅能 正確地將樣本分開,還能夠使得與它平行的直線 L1 和 L2 之間 的距離最小。


最初該算法用于線性可分的問題模型,經(jīng)過發(fā)展后也可用于線性不可分的模型問題。采用非線性映射將低維空間的非線性問題轉(zhuǎn)化為高維空間的線性問題,從而在高維空間利用線性算法對樣本的非線性問題進(jìn)行分析,求出最優(yōu)分類面, 達(dá)到對樣本進(jìn)行分類的目的。但獲取的分類器是在高維空間得到的,維度很高,訓(xùn)練過程比較復(fù)雜,實(shí)現(xiàn)實(shí)時檢測非常困難。

2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)從信息處理的角度模擬人腦神經(jīng)元網(wǎng)絡(luò)。利用大量節(jié)點(diǎn)即神經(jīng)元組成一個網(wǎng)絡(luò),然后將大量的人臉圖像樣本和非人臉圖像樣本數(shù)據(jù)輸入進(jìn)行訓(xùn)練,使網(wǎng)絡(luò)逐漸具有對樣本正確分類的能力。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖 2 所示,該網(wǎng)絡(luò)結(jié)構(gòu)是前饋型網(wǎng)絡(luò)[3],分為輸入神經(jīng)元、隱含神經(jīng)元和輸出神經(jīng)元,其中隱含神經(jīng)元可以有多層。將提取的特征值輸入至輸入層,并傳到后方的隱含層,最后通過連接權(quán)輸出到輸出層。在訓(xùn)練的過程中不斷調(diào)整連接權(quán)值,直到網(wǎng)絡(luò)輸出的誤差減小到可以接受的程度。因此, 在非線性分類中可以充分逼近理想結(jié)果。但是分類器的獲取太復(fù)雜,對多姿態(tài)的容忍度很低,不太適合實(shí)時的人臉檢測。

淺析人臉檢測技術(shù)的探究

3 AdaBoost

AdaBoost 算法是利用分類能力一般的弱分類器通過推選構(gòu)成的具有很強(qiáng)分類能力的強(qiáng)分類器,采用分類能力遞增的方式將多個強(qiáng)分類器組成級聯(lián)分類器[4]。對于這樣的級聯(lián)系統(tǒng), 正確檢測率(Correct Detection Rate,CDR)越大越好,而虛假正確率(False Positive Rate,F(xiàn)PR)越小越好[5]。

對輸入圖像進(jìn)行檢測時,提取的特征值絕大多數(shù)都是非人臉圖像,只有極少的是存在人臉的圖像,所以人臉檢測是一個小概率事件的檢測過程。在構(gòu)造訓(xùn)練樣本時,非人臉訓(xùn)練樣本的數(shù)量應(yīng)多于人臉訓(xùn)練樣本的數(shù)量。

為方便表述,將訓(xùn)練樣本總數(shù)記為 M,每個樣本提取的特征數(shù)記為 N。大致的訓(xùn)練過程如下:

(1) 將 M個訓(xùn)練樣本以及與之對應(yīng)的 N個特征值構(gòu)造為二維矩陣 F[i][ j],其中 1 ≤ i≤ N,1 ≤ j≤ M,每個 F[i][ j] 表示第 j個樣本的第 i個特征值,而 F[i][] 則表示所有訓(xùn)練樣本的第 i個特征值的集合。

(2) 對所有樣本的第 i個特征值進(jìn)行排序,并設(shè)置初始權(quán)重為 wj=1/M,其中 wj為第 j個樣本的權(quán)重。

淺析人臉檢測技術(shù)的探究

error為訓(xùn)練樣本被錯誤分類的均方差值誤差,yk為樣本的類型值,當(dāng) k為人臉圖像時,yk=1,否則 yk= - 1。hj(F[i][ j])為第 j 個弱分類器。

if(error<minerror) 

minerror=error, 

θ=F[i][ j],

最終將均方差值最小的 θ 值作為弱分類器的閾值。此時得到的弱分類器是經(jīng)過訓(xùn)練的最優(yōu)弱分類器。

(3) 對所有的特征值進(jìn)行計(jì)算,從得到所有的均方差值最小的最優(yōu)弱分類器中挑選出本輪誤差值最小的最優(yōu)弱分類器作為第一個強(qiáng)分類器,若用 t表示當(dāng)前強(qiáng)分類中包含的弱分類器的數(shù)量,那么此時 t=1。

然后根據(jù)最優(yōu)弱分類器的分類結(jié)果,分別調(diào)整樣本的權(quán)重。增大被錯誤分類的樣本的權(quán)重,減小被正確分類的樣本的權(quán)重,以利于提高非人臉樣本被檢測出的概率。

(4) 為了提高檢測的效率,采用遞進(jìn)復(fù)雜度的級聯(lián)分類器,具體如圖 3 所示。

淺析人臉檢測技術(shù)的探究

前面的幾個最優(yōu)強(qiáng)分類器由于包含的弱分類器數(shù)量較少, 結(jié)構(gòu)也比較簡單,可以快速過濾掉大量比較容易排除的非人臉圖像。但隨著后面最優(yōu)強(qiáng)分類器包含的弱分類器的增多,過濾非人臉的能力越來越強(qiáng),能夠進(jìn)一步對難以排除的非人臉圖像進(jìn)行過濾,但檢測速率也隨之下降。

強(qiáng)分類器對非人臉圖像的判別準(zhǔn)確度非常高,一旦發(fā)現(xiàn)為非人臉圖像,就將它過濾掉,后面的分類器將不再對它進(jìn)行處理。而且在采集到的圖像中,絕大多數(shù)都是非人臉圖像, 人臉圖像只占很少一部分,所以采用級聯(lián)的方法提高人臉檢測的速度,滿足實(shí)時檢測的需求。

4 結(jié) 語

人臉檢測與識別技術(shù)是人工智能領(lǐng)域的熱點(diǎn)研究課題, 在視頻監(jiān)控、門禁系統(tǒng)等領(lǐng)域都有廣泛的應(yīng)用。本文從構(gòu)造人臉檢測的分類器出發(fā),分析了支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)以及AdaBoost 算法。相比較而言,AdaBoost 算法通過尋找弱分類器,利用訓(xùn)練過程將弱分類器構(gòu)造為強(qiáng)分類器,并將多個強(qiáng)分類器按由簡單到復(fù)雜的次序進(jìn)行級聯(lián),從而將大量的非人臉圖像過濾掉,極大地降低了處理時間,提高了檢測效率, 在實(shí)時人臉檢測與識別領(lǐng)域得到了廣泛的應(yīng)用。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運(yùn)營商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺與中國電影電視技術(shù)學(xué)會聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上,軟通動力信息技術(shù)(集團(tuán))股份有限公司(以下簡稱"軟通動力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉