朱超平，杨 艺

(1.重庆工商大学 计算机科学与信息工程学院， 重庆 400067;2.重庆市检测控制集成系统工程重点实验室， 重庆 400067)

人脸识别是一种非接触式的生物识别技术，现已广泛用于商业、安防等众多领域。相比指纹等接触式的识别技术，人脸识别信息的获取渠道更为广泛，隐蔽性更强[1-4]。

从自然背景中识别人脸分为两步：人脸检测与人脸识别。传统的检测方法很多，例如Adaboost方法、SVM方法、DPM方法[5]等，其中多尺度形变部件模型DPM效果较为突出，连续在2007年—2009年获得VOC[6](visual object class)的检测冠军。之后，深度学习出现，在性能上体现出明显的优势，取代了传统的检测方法，但其在初始阶段效果提升较慢。直到2014年，Ross Girshick提出R-CNN[7]，深度学习在检测方面的效果才有了显著提升，其在VOC 2007测试集上的mAP 达到48%。Ross Girshick在2015年和2016年相继提出Fast R-CNN[8]和Faster R-CNN[9]，将VOC 2007上的mAP分别提升至70%和 73.2%。至此，Faster R-CNN的检测效果已经较为理想，但由于其“先提取候选框，再基于候选框分类”的分步检测策略，FPS只达到7帧/s，远不能满足实时需求。

针对Faster R-CNN速度太慢的问题，YOLO在其基础上进行了一系列改进。不同于R-CNN系列将检测问题转化为分类问题的策略，YOLO将目标检测问题转化为回归问题，在很大程度上加快了计算的速度，FPS可达到45帧/s。但由于其候选框选取尺度和比例较为单一，因此在速度提升的同时，精度却有所下降，在VOC 2007上的mAP只有63.4%。YOLO2在YOLO的基础上继续改进。与Faster R-CNN中人工制定多尺度候选框选取策略不同，YOLO2采用K-means聚类作为候选框选取规则，在提升速度的同时，精度也有很大提升，在VOC 2007上的mAP达到78.6%。……