许庚林, 冉 峰, 邓 良, 史华康, 郭爱英

(上海大学微电子研究与开发中心, 上海 200444)

随着现代社会的发展, 嵌入式人脸抓拍设备在新零售场景和监控安防等领域具有广泛的应用价值.人脸抓拍是在摄像头视频流数据中挑选每个行人最佳人脸并确定其身份的过程, 其步骤分为人脸检测、人脸跟踪、最佳人脸提取和人脸识别.

人脸检测是人脸抓拍的基础.2015 年Ren等[1]提出了Faster R-CNN(convolutional neural network)检测算法, 该算法利用卷积神经网络提取图像特征, 同时提出区域生成网络(region proposal network, RPN)提取候选框, 大幅加快网络计算速度;同年, He等[2]针对CNN 网络梯度存在消失的问题, 提出了残差神经网络(residual neural network, ResNet)算法, 该算法依靠150 层的网络深度学习, 得到更深层抽象的特征, 分类能力更强;2016 年Zhang等[3]提出了多任务级联卷积神经网络(multi-task cascaded convolutional neural network, MTCNN)人脸检测算法, 该算法使用3 个级联CNN 网络检测人脸位置和关键点, 且确定的人脸关键点可用于人脸对齐, 便于后续人脸识别的研究;2018 年, Deng 等[4]提出了附加角幅度损失(additive angular margin loss, ArcFace loss)算法, ArcFace loss 算法更加注重在角度空间里对类别进行区分, 使用50 层的ResNet 进行训练, Lfw 测试集上的准确率达到了99.8%.

多目标跟踪作为经典计算机视觉问题, 在单目标跟踪问题的基础上额外增加了目标ID(identification)的关联任务, 在人脸抓拍系统中主要为不同帧中的同一行人赋予相同标签.多目标跟踪的典型算法有卡尔曼滤波[7]、均值漂移、核相关滤波、多尺度空间跟踪等.近年来, 基于深度学习的检测器迅速发展, 在检测速度和精度上刷新了几乎所有……