Hochleistungs-Rotationsinvariante Multiview-Gesichtserkennung

Rotationsinvariante Multiview-Gesichtserkennung (MVFD) zielt darauf ab, Gesichter mit beliebigen Rotationen im Bild (RIP) und Rotationen außerhalb des Bildes (ROP) in Standbildern oder Videosequenzen zu erkennen. MVFD ist entscheidend als erster Schritt bei der automatischen Gesichtserkennung für allgemeine Anwendungen, da Gesichtsbilder selten aufrecht und frontal sind, es sei denn, sie werden kooperativ aufgenommen. In diesem Papier schlagen wir eine Reihe innovativer Methoden vor, um einen leistungsstarken, rotationsinvarianten Multiview-Gesichtserkenner zu konstruieren, einschließlich der Width-First-Search (WFS) Baumdetektorstruktur, dem Vector Boosting-Algorithmus zum Lernen von starken Klassifikatoren mit Vektor-Ausgabe, der domänenpartitionierten schwachen Lernmethode, den spärlichen Merkmalen im granularen Raum und der heuristischen Suche zur Auswahl spärlicher Merkmale. Infolgedessen erreicht unser Multiview-Gesichtserkenner eine niedrige rechnerische Komplexität, einen breiten Erkennungsbereich und eine hohe Erkennungsgenauigkeit sowohl bei standardisierten Testsets als auch bei realen Bildern.