LSTM-RBM-NMS模型下的视频人脸检测方法研究

• 作者: 田桂 谢凯
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 视频人脸检测 长短期记忆网络 批量归一化算法 受限玻尔兹曼机 非最大抑制算法
• 年，卷（期）: 2019,（2）
• 页码范围: 176-177
• 页数: 2页
• 分类号: TP18

摘要

为提高视频人脸检测的准确性,我们提出了LSTM-RBM-NMS模型下的视频人脸检测方法。该模型首先利用公开的视频人脸数据集输入长短期记忆网络(Long Short-Term Memory,LSTM)网络中,在LSTM网络中加入批量归一化(Batch Normalization,BN)算法,在预训练的模型中,采用受限玻尔兹曼机代替全连接层。然后将预训练好的模型去除softmax分类器,使用支持向量机(Support Vector Machine,SVM)分类器进行代替,最后采用非极大值抑制算法消除多余的窗口,最后得到视频人脸检测结果。实验结果表明,通过使用本文提出的LSTM-RBM-NMS模型,与传统的视频人脸检测方法OpenCV和Vi.olaJones(VJ)相比,在相同阈值的情况下,视频人脸检测准确率提高了3.3%~10.4%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢凯	长江大学电子信息学院	58	71	4.0	6.0
2	田桂	长江大学电子信息学院	2	1	1.0	1.0