基于Edge Boxes和深度学习的非限制条件下人脸检测

摘要：

针对光线、旋转、遮挡、平移等因素对人脸检测结果产生的干扰,提出一种基于Edge Boxes和深度学习相结合的人脸检测算法.首先采用Edge Boxes算法提取出可能存在人脸的边界框,提取边界框中的图像并调整至合适的大小,作为卷积神经网络的输入,然后利用卷积神经网络对提取出的图像进行特征提取和分类,最后利用非极大抑制算法排除多余人脸检测框,得到人脸的准确位置.该算法应用于LFW和Yale B人脸数据库的检测率分别达到98.7％和98.5％,识别单张人脸的时间均小于0.5 s.实验结果表明,该算法在检测率和检测速率方面较传统算法都有了很大的提高,对于遮挡、光照、旋转等干扰具有更强的鲁棒性.

关键词：人脸检测、特征提取、深度学习、EdgeBoxes、卷积神经网络、非极大抑制算法

所属期刊栏目：41

分类号：TN911.73-34;TP391

资助基金：山西省基础研究项目自然科学基金2013011017-3

在线出版日期：2018-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33