《表1 人脸检测算法对比结果》

  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

《基于卷积神经网络的驾驶行为分析算法》

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

针对人脸检测的实验结果如表1所示，通过分析表格中的结果，可以看出基于Haar的人脸检测方法会出现很多漏报和误报的情况，漏报的情况大多是由人脸转头角度过大而导致的，而误报的情况则是因为实验室环境的背景被误检成人脸。在检测算法的基础上，引入光流法追踪算法，可以将漏报率从0.17降低到0.09左右，光流法能解决人脸转动角度过大而导致检测失效的问题。针对误报的情况，通过引入二次判别算法筛掉一些背景图像，实验室所拍摄的背景环境比较简单，引入二次判别的算法便可以使得误报率降低为0。但是，二次判别使得人脸的检测变得严格，也会造成一些漏报情况。实验证明通过引入光流法和二次判别方法可以使得人脸检测在降低漏报率和降低误报率之间取得平衡。