王皓洁，孙家炜

（1.四川大学计算机学院，成都610065；2.四川川大智胜软件股份有限公司，成都610045）

0 引言

在传统方法中，人脸特征是基于手工特征选取的，2001年Viola和Jones提出V-J（Viola-Jones）[1]框架，利用Haar特征和AdaBoost进行特征选择，通过检测级联决策结构提高准确率，该方法在人脸检测领域取得了突破进展，在有限的计算资源下做到了实时检测，极大的推动了人脸检测应用商业化的进程。后来很多研究者在三个方面基于V-J框架进行改进，一方面设计新的特征，一方面使用其他类型的AdaBoost分类器，还有一方面是对分类器级联结构进行改进。例如ACF[2]是一种提供足够多的特征的方法。新的分类器级联结构如soft cascade[3]。2008年Felzenszwalb等人[4]提出可变形组件模型（Deformable Part Model，DPM），是一种基于人脸组件的检测的算法。DPM算法对目标的形变有很强的鲁棒性，对夸张表情、多姿态、多角度等的人脸都具有非常好的检测效果。但是其性能表现一般、稳定性较差。

传统方法基于手工选取的人脸特征，虽然计算高效，但是在多尺度、多姿态、多角度、遮挡、模糊等情况下的检测精度差强人意。

利用深度学习技术检测人脸的方法大致可以分为两类：两阶段检测器（two-stage）和单阶段检测器（onestage）。two-stage方法首先获得一定数量的预选区域（Region Proposal，可能存在目标的区域），然后再对每个预选区域进行分类和回归。one-stage方法可以经过一次网络就得到目标的位置和分类信息。Two stage从R-CNN[5]开始；之后出现的金字塔池化层[6]提供了网络输入图片多尺度的办法；Faster R-CNN[7]在Fast R-CNN[8]的基础上提出了预选区域提取网络（Region Proposal Network，RPN）候选框生成算法，使检测速度有了很大提升；……