我正在寻找有关人脸检测的算法/出版物。网上有很多。但我的情况有点专业。我想在可穿戴设备拍摄的图像中准确地检测面部（例如叙事剪辑），因此会出现运动模糊，图像质量也不会那么好。我想要准确地检测距离相机15英尺内的面部。下一个目标是估计姿势，主要是为了确定此人是否正朝向相机（或更好地看着相机所有者）。
有什么建议吗？
答案 0 :(得分：0)
我的目标是使用卷积层进行像素分类或K-means / K-Nearest Neighbor算法的深度学习框架。
但这取决于您的数据。从您的帖子我假设您的数据没有标记？这意味着你无法提供真相＆＃39;到分类算法。
您可以使用CNN（卷积神经网络）进行像素分类（图像分割），这应该识别人的位置。考虑到这一点，也许你可以经营一个本地的＆＃39; CNN是靠近面部的区域，其被识别为将身体所处的区域分类为特定姿势。
这可能是我对问题的第一次看法，但取决于数据的确切结构以及标签的结构（如果有的话）。
我不得不说这听起来像一个有趣的项目！
答案 1 :(得分：0)
I found OpenCV's Haar Cascades for Face Detection pretty accurate and robust for motion blur and "live" face recognition.
I'm saying that because I used them for implementing an Eye-Tracker in C++ with a laptop webcam (whose resolution was not excellent and motion blur was naturally always present).
They work in multiresolution and are therefore able to detect faces of any size, but you can easily tune them for your distance of interest.
They might not be your final optimal solution, but since they are already implemented and come with the OpenCV package, they could constitute a good starting point.