连泽宇，田景文

（1.北京联合大学 智慧城市学院，北京 100101；2.北京联合大学 工科综合实验教学示范中心，北京 100101）

0 概述

人脸检测作为计算机视觉领域的研究热点，是人脸检索［1］、人脸配准［2］、人机交互［3］、人脸超分辨率重建［4］等人脸分析任务的基础。近年来，卷积神经网 络（Convolutional Neural Network，CNN）［5-7］在 无约束人脸检测领域取得了较大成果，国内外众多学者也相继提出很多优秀的网络结构［8-9］和损失函数［10-11］。例如，文献［12］提出一种正交嵌入式CNN网络，增强了对年龄不变的深度人脸的特征学习，文献［13］提出一种大裕度余弦损失函数，提升了传统CNN 网络softmax 层的判别能力。上述方法进一步提高了CNN 的人脸检测性能，其中部分方法甚至在一些特定的数据集上超越了人类的识别能力。

虽然基于CNN 的人脸检测方法取得了巨大成功，但是深度特征在光照、姿势、表情、遮挡等因素影响下不具备特征不变性，尤其对于复杂遮挡条件下的人脸检测，基于CNN 的检测方法难以取得令人满意的结果。在现实场景中，人脸图像通常会具有多种类型的面部遮挡，包括墨镜、口罩、围巾、水杯等，受遮挡因素的影响，人脸面部特征存在较大程度的损坏，并且随着遮挡程度的提高，人脸检测的难度上升，这使得较先进的人脸检测方法［14-15］也难以精确确定遮挡人脸位置。

在深度CNN 出现之前，部分遮挡下的人脸检测方法主要分为两类：第一类方法通常将人脸图像划分为多个局部区域，通过训练分类器识别被遮挡区域，在特征提取时仅从非遮挡区域内提取局部特征描述符［16-17］，但是这类方法受限于浅层特征的表现能力，检测性能较弱；……