opencv - 需要帮助改进眼对检测

Question

关闭。这个问题需要更多 focused .它目前不接受答案。












想改进这个问题？更新问题，使其仅关注一个问题 editing this post .

3年前关闭。




Improve this question




我的根本问题是我有一个 iOS (iPhone) 应用程序，它使用前置摄像头 (480x640) 并且需要检测面部活跃度。

我目前正在尝试使用眨眼检测来完成此操作。我不想依赖 iOS CIDetector 功能。所以我决定研究这种方法:
http://www.technolabsz.com/2013/05/eye-blink-detection-using-opencv-in.html

这种方法依赖于使用 Haar 分类器(mcs_eyepair_big 或 mcs_eyepair_small)的眼睛对检测。我遇到的第一个挑战是眼对检测不可靠。即使 frontalface_alt 工作得很好，它也不能始终如一地工作。我尝试过在远离相机和接近相机的地方使用良好的照明，即使靠近相机也无法获得一致的检测。并且它不会在戴眼镜的情况下工作。

这是我的检测代码:

small_eye_pair_cascade.detectMultiScale(mat, objects, 1.1, 0,
  CV_HAAR_FIND_BIGGEST_OBJECT | CV_HAAR_DO_ROUGH_SEARCH | CV_HAAR_SCALE_IMAGE | CV_HAAR_DO_CANNY_PRUNING,
  cv::Size(15, 75));

如果它没有使用小眼对检测，那么我会使用与小眼对相同的 detectMultiScale 参数回退到大眼对。我正在对整个相机图像进行检测。

有没有人有提高成功率的建议？示例问题:
1) 我应该使用不同的 detectMultiScale 参数吗？
2) 将图像裁剪到人脸边界的上半部分会提高检测能力，还是仅仅提高性能？
3)我应该选择不使用眼对分类器的完全不同的方法吗？

Answer 1

您可以使用面部标志检测器检测眼睛周围的区域，例如标志检测器:
http://cmp.felk.cvut.cz/~uricamic/flandmark/

或 STASM:
http://www.milbo.users.sonic.net/stasm/

它们比 haar 级联更可靠。