自然场景下基于四级级联全卷积神经网络的人脸检测算法

摘要：

针对于自然场景下人脸检测存在的姿态复杂、遮挡和光照等问题,提出一种基于4级级联全卷积神经网络的人脸检测算法.构建4级级联网络,采用级联分级训练代替端到端训练,以避免只共享1个网络权值的局限,进而获得有区分性功能的深度网络,提高检测精度;每级深度网络结构均采用全卷积结构,可以接受任意尺寸图像的输入,提高检测效率;另外在训练过程采用自举法Bootstrap进行网络模型的优化训练,提高训练样本利用率;利用最终训练好的深度卷积网络模型实现人脸检测.人脸检测实验结果标明,本算法在自然场景下,对多姿态、遮挡、单图多种人脸类型等均具有良好的鲁棒性,同时在现有平台上每张图片的检测速度达到96 ms,在国际权威的人脸检测公开测试集FDDB上的"真正率"达到82.98％.

关键词：人脸检测、4级级联网络、全卷积网络、自举训练、深度学习

所属期刊栏目：41

分类号：TP18;TP391(自动化基础理论)

资助基金：中国博士后科学基金2014M561053;河北省自然科学基金F2013202254;2015年度教育部人文社会科学研究项目15YJA630108

在线出版日期：2019-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：80-86