基于欧氏距离的人脸检测窗口合并方法

doi:10.3724/SP.J.1087.2013.01122

计算机应用 ›› 2013, Vol. 33 ›› Issue (04): 1122-1124.DOI: 10.3724/SP.J.1087.2013.01122

基于欧氏距离的人脸检测窗口合并方法

黑建业,熊淑华,马娅丽

四川大学电子信息学院，成都 610065

收稿日期:2012-11-05 修回日期:2012-12-06 出版日期:2013-04-01 发布日期:2013-04-23
通讯作者: 黑建业
作者简介:黑建业（1987-），男，山东胶州人，硕士研究生，主要研究方向：多媒体通信；熊淑华（1969-），女，四川成都人，副教授，主要研究方向：多媒体通信；马娅丽（1989-），女，陕西榆林人，硕士研究生，主要研究方向：多媒体通信。
基金资助:
欧盟FP7-PEOPLIE-IRSES-S2EuNet(247083)

Method of merging face detection windows based on Euclidean distance

HEI Jianye,XIONG Shuhua,MA Yali

College of Electronics and Information Engineering, Sichuan University, Chengdu Sichuan 610065, China

Received:2012-11-05 Revised:2012-12-06 Online:2013-04-01 Published:2013-04-23
Contact: HEI Jianye

摘要/Abstract

摘要： 为了解决人脸检测过程中同一人脸在不同尺度下检测结果的位置和大小不能完全重合的问题，对基于统计训练的人脸检测窗口的合并方法进行了研究，提出了一种基于欧氏距离的人脸检测窗口合并方法，在人脸检测结果不存在误检和漏检的情况下，根据人脸检测窗口中心坐标的分布特征，利用判定圆以及欧氏距离实现了人脸重复检测窗口的合并。分别针对不同情况的图片对方法进行了验证实验，实验结果表明该方法简单有效

关键词: 人脸检测, 尺度, 欧氏距离, 判定圆, 合并

Abstract: To address the problem of the coincidence of the position and size for a same face cannot be guaranteed in different results due to the scale transformation in face detection, research has been done by the method of merging windows in face-detection employing statistical training. And a method based on Euclidean distance was proposed too, without considering the case of error-detected and undetected faces. Judging circle and Euclidean distance were employed to merge face-detection windows according to the distribution of center coordinates. Verifying experiments of the method were conducted according to different pictures, and the experimental results proved the method simple and effective.

Key words: face detection, scale, Euclidean distance, judging circle, merging

中图分类号:

TP391.41

黑建业熊淑华马娅丽. 基于欧氏距离的人脸检测窗口合并方法[J]. 计算机应用, 2013, 33(04): 1122-1124.

HEI Jianye XIONG Shuhua MA Yali. Method of merging face detection windows based on Euclidean distance[J]. Journal of Computer Applications, 2013, 33(04): 1122-1124.

参考文献

［1］YANG MING, CRENSHAW J, AUGUSTINE B, et al. AdaBoost-based face detection for embedded systems ［J］. Computer Vision and Image Understanding, 2010, 114(11): 1116-1125.

［2］YANG M H, KRIEGMAN D, AHUJA N. Detecting faces in images: a survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(1): 34-58.

［3］罗明刚, 李一民, 曾素娣. 基于Adaboost算法的人脸检测研究［J］. 计算机与数字工程, 2007, 35(2): 7-8, 72.

［4］张宁, 李娜. 基于Adaboost算法的人脸检测技术的研究与实现［J］. 现代电子技术, 2011, 34(14): 4-6.

［5］SHIHAVUDDIN A S M, MOHAMMAD M, AREFIN N, et al. Development of real time face detection system using Haar like features and Adaboost algorithm ［J］. International Journal of Computer Science and Network Security, 2010,10(1): 171-178.

［6］孙宁, 邹采荣, 赵力. 人脸检测综述［J］. 电路与系统学报, 2006, 11(6): 101-108, 113.

［7］徐来, 周德龙. 人眼检测技术的方法研究［J］. 计算机系统应用, 2010, 19(6): 226-232, 139.

［8］王永明,王贵锦. 图像局部不变性特征与描述［M］. 北京: 国防工业出版社, 2010:11-18.

［9］赵楠. 基于Adaboost算法的人脸检测［D］.北京：北京大学, 2005:46.

［10］闫胜业,山世光,陈熙霖. 人脸检测中一种简单有效的合并重合窗口方法［J］. 电脑知识与技术, 2009, 5(19)：5254-5255, 5262.

［11］DUDA R O, HART P E, STORK D G. 模式分类［M］. 2版. 李宏东,姚天翔,等译. 北京: 机械工业出版社, 2003: 442-445.

［12］THEODORIDIS S, KOUTROUMBAS K. 模式识别［M］. 3版. 李晶皎,等译. 北京: 电子工业出版社，2006: 352-368.

［13］VIOLA P, JONES M J. Rapid object detection using a boosted cascade of simple features［C］// Proceedings of the IEEE Computer Society Conference on CVPR 2001. Washington, DC: IEEE Computer Society, 2001:511-518.

［14］LIENHART R, MAYDT J. An extended set of Haar-like features for rapid object detection ［C］// IEEE ICIP 2002. Washington, DC: IEEE Computer Society, 2002:900-903.

[1]	姬张建, 任兴旺. 带旋转与尺度估计的全卷积孪生网络目标跟踪算法[J]. 计算机应用, 2021, 41(9): 2705-2711.
[2]	杨瑞, 钱晓军, 孙振强, 许振. 自然场景下多区域特征融合的混合航拍图像分割算法[J]. 计算机应用, 2021, 41(8): 2445-2452.
[3]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[4]	曹建芳, 田晓东, 贾一鸣, 闫敏敏. 改进DeepLabV3+模型在壁画分割中的应用[J]. 计算机应用, 2021, 41(5): 1471-1476.
[5]	龙超奇, 蒋瑜, 谢雨. 基于峰值网格改进的小波聚类算法[J]. 计算机应用, 2021, 41(4): 1122-1127.
[6]	段友祥, 张含笑, 孙歧峰, 孙友凯. 基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法[J]. 计算机应用, 2021, 41(4): 1020-1026.
[7]	崔双双, 王宏志. 基于日志结构合并树的轻量级分布式索引实现方法[J]. 计算机应用, 2021, 41(3): 630-635.
[8]	蒋丽, 黄仕建, 严文娟. 基于低秩行为信息和多尺度卷积神经网络的人体行为识别方法[J]. 计算机应用, 2021, 41(3): 721-726.
[9]	张凌哲, 黄向东, 乔嘉林, 勾王敏浩, 王建民. 面向时序数据的两阶段日志结构合并树文件合并框架[J]. 计算机应用, 2021, 41(3): 618-622.
[10]	胡立华, 左威健, 聂瑶瑶. 基于加权相似性度量的特征匹配方法[J]. 计算机应用, 2021, 41(2): 511-516.
[11]	杜培德, 严华. 基于多尺度空间注意力特征融合的人群计数网络[J]. 计算机应用, 2021, 41(2): 537-543.
[12]	孙晓玲, 杨光, 沈焱萍, 杨秋格, 陈涛. 基于可拆分倒排索引的可搜索加密方案[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3288-3294.
[13]	韩建栋, 李晓宇. 基于多尺度特征融合的行人重识别方法[J]. 计算机应用, 2021, 41(10): 2991-2996.
[14]	肖勇, 郑楷洪, 郑镇境, 钱斌, 李森, 马千里. 基于多尺度跳跃深度长短期记忆网络的短期多变量负荷预测[J]. 计算机应用, 2021, 41(1): 231-236.
[15]	李克文, 马祥博, 候文艳. 带有自适应合并策略和导向算子的增强型烟花算法[J]. 计算机应用, 2021, 41(1): 81-86.

基于欧氏距离的人脸检测窗口合并方法

Method of merging face detection windows based on Euclidean distance

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics