课堂环境下多人脸检测的改进算法研究.docxVIP

课堂环境下多人脸检测的改进算法研究 0 课堂环境设置 面部识别包括面部识别和面部识别。人脸检测是围绕面部图像分析研究的基础，其主要包括人脸位置框定 现代人脸检测算法还引入了健壮的特征提取方法，例如尺度不变特征变换（Scale Invariant Feature Transform,SIFT) 课堂环境 通过对公开数据集以及自建课堂环境多人脸数据集的构建，将数据划分为10人以下、11～20人、21～30人、31～40人以及41人以上不同的数据进行分析。本文详细研究了传统的人脸检测算法以及基于深度学习的算法，总结各类算法的主要思想，并基于全卷积头部检测器（Fully Convolutional Head Detector,FCHD）算法进行锚点设计的改进。实验对比分析了各类算法的性能，验证了所提算法的有效性。 1 基于课堂环境的数据集设计 1.1 照片照片的预处理 数据集 1）图片采集。首先，要明确图片数据的组成，其中包括数据的存储形式、图片中包含的人脸数量、角度以及时间等，还有数据的标注信息等。另外，选择的数据来源，可以通过自生成样本、互联网爬虫获取等。采集到的数据需要对图片内的信息进行人工标注，每个人有唯一的标志。根据研究的算法实际需求，共采集两类数据，mydata、newdata用于人脸检测；data用于人脸识别。两个数据集来源于本校的两个不同的班级，总共130人，其中人脸检测