李泽琛，李恒超，胡文帅，杨金玉，华泽玺

（西南交通大学信息科学与技术学院，四川 成都 611756）

随着机器视觉领域的快速发展，包括图像分类、目标检测、图像降噪等在内的图像智能解译任务都成为重要的研究方向，其中，又以目标检测最为基础.人脸检测作为目标检测任务的一个分支，虽然在20 世纪60 年代就被提出并进行大量研究，但直到2000 年实现了里程碑式的突破，人脸检测任务的性能才达到可以实际应用的程度.到目前为止，人脸检测技术早已融入人们的日常生活中，如移动支付、门禁通行、视频追踪等应用都以人脸目标被成功检测识别为前提.而如今受疫情影响，各区域行人都需要佩戴口罩出行，这使人脸检测变得更为困难.因此，如何在特定情形下，针对佩戴口罩的人群实现准确、快速的人脸目标检测成为了当下一个重要的研究课题.

人脸检测算法分为基于传统方法的检测算法和基于深度学习的检测算法.基于传统方法的检测算法往往需要提取手工设计的特征，从而将其用于人脸目标检测，如Viola 等[1]提出的Ada boost 算法，通过积分图快速计算矩形特征，并用Ada Boost 方法得到具有较小误差的分类器；Lienhart 等[2]提出了基于Haar 特征的人脸检测方法，可以识别倾斜人脸；胡丽乔等[3]对方向梯度直方图（histogram of oriented gradient，HOG）特征进行扩展，得到了识别率和鲁棒性更好的人脸检测器.但这些传统方法依赖于手工提取的特征，受外界因素干扰严重且无法鉴别密集人脸，同时考……