基于深度卷積神經網絡的人臉檢測

翟進有 代冀陽 王嘉琦 應進

摘要：傳統的人臉識別算法如SVM，等都需要人為的進行特征提取。該文以經典的深度卷積神經網絡和殘差網絡進行特征提取，結合區域搜索網絡，設計出一種自學習的人臉檢測算法。該文通過搭建多種不同深度的殘差網絡和卷積網絡模型，結合區域搜索網絡進行實驗研究，在人臉檢測數據集上進行訓練和測試，最終測試結果顯示該算法對遮擋不明顯的人臉圖像檢測效果較SVM算法更好。

關鍵詞：殘差網絡多捷聯式；殘差學習；時間復雜度

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1009-3044（2019）04-0182-02

在現實世界中進行人臉檢測，由于姿態，表情，角度以及光線照明因素造成的視覺變化，導致計算機難以準確檢測。因此，需要先進且高效的辨別模型來準確的區分出背景和人臉。

1994年初Vaillant et al等人應用神經網絡進行人臉檢測，他們提出訓練一個卷積神經網來檢測圖像窗口中人臉的存在或缺失，并在網絡的所有可能位置掃描整個圖像。1996年，Rowley等人提出了一個視網膜連接的神經網絡，用于智力的正面人臉檢測。該方法在兩年后被擴展用于旋轉不變式人臉檢測，使用“路由器”網絡來估計人臉位置并應用適當的檢測器網絡。2002年，Garcia等人，設計出一個神經網絡來檢測復雜圖像中的版正面人臉。2005年，Osadchy等人，訓練出用于同時進行人臉檢測和姿態估計的網絡。

自從Viola等人做出了開創性的工作以來，具有簡單特征的增強級聯網絡成為人臉檢測中最流行和有效的方法。功能簡單的特性能夠使得人臉檢測達到快速評估的效果。Viola-Jones等人設計的最原始的人臉檢測器使用Haar特征，該特征可以快速的評估人臉正面的辨識度。然而，由于Haar特征的簡單性，使得該人臉檢測器在面對不同姿態，意外照明以及面部有遮擋的情形下效果較差。

1人臉識別網絡

通過檢測結果可以看出，本文提出的區域搜索網絡模型在人臉檢測數據集上能夠獲得較好的效果，而在訓練的過程中我們沒有觀察到退化現象，因此可以從大量增加深度上顯著提高準確度。所有評估指標都體現了深度的好處。通過采用更深的網絡模型能夠獲得更好的檢測效果。

3 結語

針對人臉識別的實時性與準確性要求，以卷積神經網絡為基礎，搭建了多種深度的網絡模型進行訓練，并且通過比較各網絡的性能優劣，最終找到檢測準確率最高的網絡。基于深度殘差網絡的人臉檢測算法，相較于傳統的檢測算法可以避免人為提取目標特征而帶來的誤差，在識別精度上有了巨大的提升。對于復雜背景下的目標，深度殘差網絡的捷徑反饋機制能夠有效地降低網絡訓練的難度，使得更深層次的網絡依然能夠有效地訓練使用。使用深度殘差網絡的目標檢測應用于無人機目標識別中，通過準確率與檢測時間的綜合性能考慮要更優于傳統的深度卷積神經網絡。

然而本文所研究的目標數據集依然較少，在以后的研究中需要獲取更大更多的人臉數據集，并且搭建更深層次，性能更優的網絡以及更高效的特征提取來提高目標檢測的準確率與檢測時間。且本文中所采用的人臉檢測數據集大部分都是正面和側面照，缺少具有遮擋的人臉數據，因此對于有部分遮擋住的人臉檢測效果并不是很好，數據集的豐富性仍然有待提高。

參考文獻：

[1] 李偉，張旭東.基于卷積神經網絡的深度圖像超分辨率重建方法[J].電子測量與儀器學報，2017，31（12）：1918-1928.

[2] 蔣帥.基于卷積神經網絡的圖像識別[D].吉林：吉林大學，2017.

[3] Chang L， Duarte M M， Sucar L E， et al. A Bayesian approach for object classification based on clustersof SIFT local features[J]. Expert Systems with Applications， 2012， 39（2）： 1679-1686.

[4] Saxe A M， McClelland J L， Ganguli S. Exact solutions to the nonlinear dynamics of learning in deep linear neural networks[J]. arXiv preprint arXiv：1312.6120， 2013.

[5] He K， Zhang X， Ren S， et al. Delving deep into rectifiers： Surpassing human-level performance on imagenet classification[C]//Proceedings of the IEEE international conference on computer vision，2015： 1026-1034.

【通聯編輯：代影】