比較結果整理

本實驗以兩百張圖為基礎，做出人臉辨識比較，我們設定重要指標為:

1. 完全正確 ：找到照片中每個人的臉部位置(包含框錯位置) 2. 部分正確 ：只找到部分的人臉

3. 誤判張數 ：照片中有誤判非人臉位置的張數 4. 錯失偵測 ：完全沒找到人臉

5. 誤判次數 ：誤判到非人臉位置，以個數計算 6. 平均完成時間：判斷總時間 / 總張數

表格 3 就上述六項分析比較：表格內藍色部分為比較好的部分

表格 3 本論文與 OpenCV 基本指標比較表 Open CV 本論文

完全正確 164 139

部分正確 19 33

誤判張數 132 35

錯失偵測 17 28

誤判次數 407 44

平均完成時間 1.87 2.38

由上述表格分析，OpenCV 判斷出人臉的張數總共為 183 張，本論文提出方 法只有 172 張。OpenCV 平均處理時間明顯較短，本論文以時間換取記憶體空間，

所以平均完成時間比較長。但是以誤判部分來分析的話，OpenCV 因為沒有使用

膚色判斷，有些綠葉或是複雜背景處理上就比較差，誤判很高。本論文因為有經 過膚色判斷，所以明顯的降低了誤判率!!

但此論文是針對應用到數位相框產品為導向，所以只要可以判斷出人臉，並 且誤判張數不能超過 2 個，否則此應用常常會針對非人臉位置放大，就失去了數 為相框的意義了，所以我們多定義了一個可應用率的比較，可應用率的計算方式 如下：

(部分正確+完全正確–誤判>2) / 總張數

故更新如下表格 4 所示：藍色部分為比較好的部分!

表格 4 本演算法與 OpenCV 於數位相框應用上比較表

Open CV 本論文

總張數 200 200

完全正確 164 139

部分正確 19 33

誤判張數 132 35

錯失偵測 17 28

誤判次數 407 44

平均完成時間 1.87 2.38

誤判>2 62 2

可應用正確率 60% 85%

整體比較結果，我們可以知道，雖然 Open CV 速度有比較快，但是誤判率 較高，本論文提出方法雖然完全正確張數不及 OpenCV 且判斷速度慢上許多，但 是誤判較小。誤判多在應用上就會常常出現無法針對正確人臉位置拉進的缺點。

由於數位相框應用上，人臉偵測是使用在換圖的特效上，每張圖片換圖時間基本 為 5 秒，所以能在 5 秒內做出判斷已經足夠，即使超過 5 秒，只要不超過太多，

使用者也不容易發現。所以就記憶體使用與判斷出來的結果可應用正確率來說，

本論文提出之方法較為適用在數位像框應用上!

以下圖片的比較是我們在 PC 上實做兩者的比較。Open CV 執行結果如圖 23 所示，我們可以清楚看見，有兩個誤判的框。

圖 23 Open CV 執行結果

本論文執行結果如圖 24 所示，本論文加入了膚色判斷後，可以清楚判斷非 膚色的誤判，此外利用膚色範圍內的臉部特徵判斷，也排除了腿部的誤判！

圖 24 本論文執行結果