如何使用MS-KCF模型進行圖像序列中人臉快速穩(wěn)定檢測

　　為快速穩(wěn)定地檢測圖像序列中角度變化較大、遮擋較為嚴重的人臉，結(jié)合快速精確的目標檢測模型MobileNet-SSD（ MS）和快速跟蹤模型核相關(guān)濾波（KCF），提出一種新的自動檢測一跟蹤一檢測（DTD）模式，即MS-KCF人臉檢測模型。首先，利用MS模型快速精確地對人臉進行檢測，并且更新跟蹤模型；其次，將檢測到的人臉坐標信息輸入到KCF跟蹤模型中進行穩(wěn)定的跟蹤，并加快整體的檢測速度；最后，為了防止跟蹤丟失，跟蹤數(shù)幀后再次更新檢測模型，重新對人臉進行檢測。實驗顯示，在FDDB人臉檢測基準中，MS-KCF模型的召回率為93. 60%；在WIDER FACE人臉檢測基準的Easy.Medium和Hard數(shù)據(jù)集中，MS-KCF模型的召回率分別為93. 11%、92. 18%和82. 97%，平均速度為193幀／s。實驗結(jié)果表明，MS-KCF模型具有穩(wěn)定性和快速性，在圖像序列中對嚴重遮擋和角度變化大的人臉具有很好的檢測效果。

　　隨著計算機技術(shù)的不斷發(fā)展，計算機性能不斷提高，人臉檢測技術(shù)作為計算機視覺領(lǐng)域中的一個重要分支也取得了巨大的突破，如今，人臉檢測在門禁系統(tǒng)、智能監(jiān)控、智能攝像頭等領(lǐng)域。有著廣泛的應(yīng)用。人臉檢測也是一種富有挑戰(zhàn)性的技術(shù)，如何實時穩(wěn)定地檢測圖像序列中角度變化較大、遮擋較為嚴重的人臉，已成為應(yīng)用中亟待解決的問題。目前，利用淺層特征的傳統(tǒng)方法已經(jīng)滿足不了需求，因此深層次的卷積神經(jīng)網(wǎng)絡(luò)（ Convolutional Neural Network，CNN）是如今檢測技術(shù)研究的重點和熱點。