《表2 面部检测精度作为三个基准的精度函数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于FPGA的高精度人脸检测加速》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用三个具有不同检测难度的基准对改进后的分类器进行评估。总共有11 692张人脸。人脸检测数据集和基准使用的标记人脸的图像子集来自于原始数据集。在原始数据集中的人脸图像在服装、背景等变量上有较大变化。在基准测试中，使用该工具对检测结果进行了评估。人脸检测数据库包含了1 521张具有不同的光照和复杂背景的人脸图像。人脸和手势识别工作小组手动在每张脸上放置20个特征点。谈话视频数据集从一个人的谈话视频中获取5 000帧。每张脸用68个点标注。通过程序对人脸检测数据库和谈话视频数据集进行评估，如果有60%的点落在检测到的人脸区域内，则检测到的对象就将被计算为人脸。重复检测只计算一次。原始分类器具有16-22个十进制数字参数。为了使用三个基准进行人脸检测，这些参数分别被四舍五入到7、6、5、4、3个十进制，以执行三个基准检测。结果表明，四舍五入到5位小数的精度与原始分类器的精度相同。检测精度结果如表2所示。在将参数四舍五入到5位小数之后，在人脸检测数据库数据集中观察到一个错误的负数，但是在人脸检测数据与基准数据集中可以看到两个错误的正数。这种分类器的性能几乎与原来的相同。此外，3和4位数字的精度显示误检率显著增加，尤其是对于谈话视频数据库数据集。结果表明，在FPGA实现中，分类器数据的五位定点表示可以代替原来的双精度浮点表示，而达到相同的检测精度。