◆张瑞国

基于卷积神经网络的区域人脸检测研究

◆张瑞国

（山西水利职业技术学院信息工程系 山西 044000）

基于神经网络的区域人脸检测方法已经取得了一定的成功。本文提出了一种基于卷积神经网络的区域人脸检测方法，我们称之为Face R-FCN。它比基于Face R-CNN的人脸检测方法准确率更高，效率更快。该方法采用卷积残差网络作为主体，通过对目标区域进行平均池化操作、多尺度训练和测试以及在线示例挖掘策略来提高检测精度。用比较流行的人脸数据库FDDB对网络模型进行训练，取得了比现有技术更好的性能。

卷积神经网络；目标检测；区域人脸检测；多尺度信息融合

1 介绍

人脸检测是目标检测的重要组成部分，主要集中在R-CNN上并取得了良好的效果。但在复杂的多人脸图像中，人脸检测技术仍然面临很多困难。如图1所示，是一个多人脸图像，由于远近、尺度、光照等条件的影响，目前常用的区域检测算法是Faster R-CNN，它是基于R-CNN人脸检测算法。本文提出的R-FCN以全卷积残差网络为主体，通过TensorFlow深度学习模型框架来完成R-FCN网络模型搭建，与基于R-CNN的方法相比，R-FCN提出了更少的区域层次进行平衡分类来完成模型的训练和测试，完成了将卷积网络与目标区域的结合，提高了训练和测试效率及准确率[1-2]。

通过设计锚来对多人脸图像中的面部进行锚定，根据面部尺寸的不同来设定锚的大小，由于面部尺寸、光照对检测的影响不同，通过对目标区域进行平均池化操作生成嵌入特征来增强鉴别能力，从而消除面部各部位所带来的不同影响。……