隨著智能手機的迅速發(fā)展,移動端的人臉識別和分析越來越重要,而人臉追蹤是很多視覺應用的主要出發(fā)點。在移動場景下的移動追蹤面臨著光照、尺度、角度的劇烈變化和環(huán)境背景、遮擋以及目標的消失等挑戰(zhàn)。人臉追蹤十分重要但由于合適數(shù)據(jù)集的缺乏使得這一領域收到的關注較少。

為了幫助移動端人臉追蹤算法的開發(fā)和評測,帝國理工智能行為理解研究組(iBUG)提出了一個名為iBUG MobiFace benchmark的數(shù)據(jù)庫。最為第一個移動端的人臉追蹤基準,包含了50段智能手機在不受限環(huán)境下拍攝的影像、其中包括46個個體和50736幀。除了邊框標記之外,還提供了9個序列屬性標注。

研究人員還針對相關濾波和深度學習兩大方法、23種前沿算法進行了評測。作者表示數(shù)據(jù)集將在近日公布在iBUG的網(wǎng)站上。

(編者注:iBUG網(wǎng)站上還有其他豐富的人類行為數(shù)據(jù)庫,包括3D人臉追蹤、人體姿態(tài)標注等等數(shù)據(jù)庫感興趣的小伙伴可以參看:https://ibug.doc.ic.ac.uk/resources)

1. 移動端人臉追蹤

人臉追蹤是指在視頻中定位隨時間變化的目標人臉。智能手機和移動設備的高速發(fā)展使得人臉追蹤算法扮演著越來越重要作用,從人臉解鎖到相機應用,從人臉識別到美顏工具,移動端的追蹤成為了手機應用的核心功能之一。人臉追蹤的目標是在給定目標初始位置的情況下,估計出接下來目標的位置和尺度。雖然目前的人臉追蹤算法取得了一系列進步,但在移動端還面臨著嚴峻的挑戰(zhàn)。業(yè)界提出了移動端數(shù)據(jù)集和物體追蹤數(shù)據(jù)集,但對于移動端的人臉追蹤還沒有細分的適合的數(shù)據(jù)集供研究人員開發(fā)和測評算法。

雖然與目標追蹤很相似,但移動端的目標追蹤算法卻在以下方面有著獨特的不同:

由于設備的旋轉和移動使得目標的尺度變化劇烈;

相機和目標都在同時運動,相機運動較為快速;

嚴重遮擋的人臉在人臉分析中沒有貢獻,不應該被追蹤;

移動端相機的視場較小、人臉很容易離開視場;

移動端算力有限;

照片受到卷簾快門的影響,造成不必要的扭曲和模糊。

一個優(yōu)秀的移動人臉追蹤算法不僅僅需要克服諸如光照變化等傳統(tǒng)的挑戰(zhàn)、更需要高效地解決移動端如視角、運動等特殊的問題。

本文通過提出iBUG移動人臉追蹤數(shù)據(jù)庫作為測評基準,詳細分析OTB和VOT數(shù)據(jù)集上的23種前沿追蹤算法,并指出了深度學習和人臉相關算法結合具有潛在的提高空間。

2.人臉追蹤問題

人臉追蹤問題可以歸結為在初始位置給定后給出t幀中人臉的最優(yōu)位置,表達式如下:

如果人臉無法觀測則為0,如果可以觀測則找到分數(shù)最大的區(qū)域r;其損失函數(shù)則可以定義為最小化幀序列中人臉位置的誤差:

目前針對視覺追蹤問題主要分為兩種思路,一種是利用相關濾波的方法實現(xiàn);另一種則是利用深度學習的方法來解決。

相關濾波器近年來在VOT和OTB數(shù)據(jù)集上取得了驚人的表現(xiàn),它可以被視為一種模板匹配的過程。在初始化過程中,相關濾波通過第一幀中的目標區(qū)域進行訓練,隨后在后續(xù)幀的候選窗中應用濾波器。最后在生成的空間執(zhí)行度圖中選出最高的區(qū)域作為這一幀的預測輸出,同時對CF進行更新。相關濾波主要需要處理以下四個方面的問題,分別是如何從原始數(shù)據(jù)中抽取有效特征、處理不同尺度的目標、邊界效應帶來的信息損失和長時間追蹤。

而基于深度學習的追蹤方法主要分為單個CNN追蹤、雙CNN追蹤法和基于RNN的追蹤方法,同時還有強化學習的方法也同樣用于移動端的人臉追蹤。

研究人員們對于算法進行了速度和準確率和評價,需要指出的是作者的電腦配置為Intel(R) Core(TM) i7-7700 3.60GHz CPU 、 GeForce GTX 1060 GPU 3GB memory。

從精度對比圖上可以發(fā)現(xiàn)幾乎所有的追蹤器在移動端人臉追蹤任務中都出現(xiàn)了一定程度的性能下降。在成功率圖中發(fā)現(xiàn)排名前五的算法都使用了深度特征,這意味著好的特征對于移動端人臉追蹤任務具有重要的意義。

同時文中還對針對數(shù)據(jù)集的不同屬性評價了23種算法,具體請參看文末鏈接的論文。結果顯示目前移動端的人臉追蹤算法相較于其他任務還有很大的差距。但可以看出基于深度網(wǎng)絡的特征可能在未來扮演重要的作用,高效的在線學習策略可以幫助基于深度學習的追蹤器平衡速度和精度的要求。

原文標題:讓我看到你的臉:最新benchmark助力移動端人臉檢測新突破

文章出處:【微信號:thejiangmen,微信公眾號:將門創(chuàng)投】歡迎添加關注!文章轉載請注明出處。