事件流中的面孔 (FES):为事件摄像机提供注释面孔数据集.
Ulzhan Bissarinova1, Tomiris Rakhimzhanova1, Daulet Kenzhebalin1
1Institute of Smart Systems and Artificial Intelligence, Nazarbayev University, Astana 010000, Kazakhstan.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
研究人员创建了第一个大型数据集,用于基于事件的摄像头面部检测. 这使得新的计算机视觉应用程序能够通过为面部和面部地标提供689分钟的注释事件流来实现.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 生物识别信息 生物识别信息
背景情况:
- 基于事件的摄像机为计算机视觉任务提供了诸如高动态范围和低延迟等优势.
- 使用事件摄像头检测面部和面部地标的现有数据集的规模和范围有限,阻碍了研究进展.
- 在面部分析的大规模注释事件流数据集中存在重大差距.
研究的目的:
- 引入第一个大型和多样化的数据集,事件流中的面孔 (FiES),用于使用基于事件的摄像头数据检测面部和面部地标.
- 为推进基于事件的面部识别和分析的研究和开发提供一个有价值的资源.
- 促进创建利用事件摄像机技术的新型计算机视觉应用程序.
主要方法:
- 该研究介绍了事件流中的面孔 (FiES) 数据集,包括689分钟的原始事件数据.
- 数据集包括面部边界框和面部地标的详细注释.
- 在FiES数据集上训练和评估了12个不同的模型,用于面部和地标检测任务.
主要成果:
- 新发布的"Faces in Event Streams"数据集是同类中第一个,为基于事件的面部分析提供了广泛的注释数据.
- 在FiES数据集上训练的模型在界限框和面部地标预测方面获得了超过90%的平均平均精度 (mAP) 得分.
- 使用基于事件的摄像头进行实时面部检测,并通过开发的模型成功地证明了这一点.
结论:
- 事件流中的面孔数据集解决了对基于事件的计算机视觉中大规模注释数据的关键需求.
- 受过训练的模型的高性能证明了数据集在推进面部和面部地标检测方面的有效性.
- 这项工作为使用基于事件的摄像头的增强实时面部分析应用铺平了道路.


