APP下载

融合全卷积和级联卷积神经网络的人脸检测方法

2019-07-31刘丽娴樊学宝

移动通信 2019年6期

刘丽娴 樊学宝

【摘  要】为了解决小人脸漏检以及人脸定位偏差的问题,通过融合FCN深浅层特征和多尺寸人脸框生成技术,介绍了一种人脸快速标注和定位的方法。该方法研究了如何利用全卷积网络深浅层特征快速锁定人脸区域,然后采用金字塔生成不同尺寸的人脸候选框,最终实现由粗到细、逐级筛选的人脸检测和定位。实验证明,与传统方法相比,本文的方法无论在准确率还是速度上都具有一定的优势。

【关键词】全卷积神经网络;级联神经网络;图像金字塔;人脸检测

1   引言

在复杂环境下,人脸检测会受到很多外界因素的干扰,如人脸姿态、光照条件、遮挡以及小目标检测。随着近几年人脸检测技术的快速发展,特别是深度学习的飞速发展,大量的人脸识别检测技术如雨后春笋般涌现出来。卷积神经网络[1-2](Convolutional Neural Network,CNN)作为深度学习的典型,在人脸识别上取得了卓越的成就。但该方法使用范围较窄,特别是在光照比较复杂的环境下人脸检测的精度较低,而且通过遍历的方式来检测人脸框,导致人脸检测的复杂度很高,而且CNN需要固定输入图片的尺寸,大大限制了应用的范围。

随着研究的深入,研究者提出了Fast R-CNN的人脸检测方法[3-4],该方法将整张图片一次性放进卷积神经网络,然后将候选窗口映射到最后一层的特征图上,并采用ROI Pooling的方法使候选窗口输出的尺寸是固定的,最后采用全连接层进行人脸的检测和候选窗口的边框回归。该方法对输入图片的尺寸没有限制,但是由于采用选择性搜索的方法来生成候选框,速度上还是满足不了实际使用的要求。……

登录APP查看全文