文档名：基于卷积神经网络的人脸实时检测方法
本文针对经典的Viola-Jones人脸检测方法在复杂环境中检测精度不足以及可变形部件模型(DPM)方法检测速度过慢的问题,提出了一种基于深度卷积神经网络的人脸检测方法.近年来,基于深度卷积神经网络的FasterR-CNN方法在各种目标检测基准上展示了令人印象深刻的结果,其检测精度和速度都得到了大幅度提升.通过在AFLW人脸数据集上训练FasterR-CNN模型,在测试集上可以获得98％以上的检测精度(AP),检测速率可以达到20fps.而监控视频的帧率通常在10～25fps,因此该方法在监控系统中可以实现实时人脸检测.
作者：葛思擘丁同宝蔡远利
作者单位：西安交通大学电信学院,陕西西安,中国,710049
母体文献：第20届中国系统仿真技术及其应用学术年会(20thCCSSTA2019)论文集
会议名称：第20届中国系统仿真技术及其应用学术年会(20thCCSSTA2019)
会议时间：2019年8月1日
会议地点：合肥
主办单位：中国自动化学会,中国系统仿真学会
语种：chi
分类号：
关键词：监控视频 人脸检测 卷积神经网络 精确度
在线出版日期：2020年7月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.27 MB
- 下载次数:
- 60
-
高速下载
|
|
