基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法研究.pdf

1、人臉檢測是計算機視覺領(lǐng)域被廣泛研究的課題之一。近年來，深度學(xué)習(xí)在計算機視覺、語音識別、自然語言處理、多媒體等諸多領(lǐng)域都取得了巨大的成功，卷積神經(jīng)網(wǎng)絡(luò)作為一種深度模型，被廣泛地用于解決計算機視覺和模式識別領(lǐng)域中較為復(fù)雜的人臉識別、目標(biāo)檢測、圖像分類等問題。目前有眾多基于卷積神經(jīng)網(wǎng)絡(luò)和深度卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法提出，但由于卷積神經(jīng)網(wǎng)絡(luò)，尤其是深度卷積神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)通常較為復(fù)雜而且需要大量的數(shù)據(jù)樣本進行訓(xùn)練，在計算資源有限的條件下難

2、以進行。針對上述問題，本文采用了一種級聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)用于人臉檢測，能夠使用相對少量的訓(xùn)練樣本在普通計算機上完成網(wǎng)絡(luò)的訓(xùn)練，并達到了相對較好的檢測效果，能夠完成人臉的快速檢測。本文的主要工作包括以下幾個方面：
　　1)對Li等人在2015CVPR提出的CascadeCNN進行網(wǎng)絡(luò)結(jié)構(gòu)的簡化和優(yōu)化，設(shè)計了一個三級級聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)用于人臉檢測。本文所設(shè)計的級聯(lián)網(wǎng)絡(luò)保留了CascadeCNN中3個用于區(qū)分人臉和非人臉的二分類網(wǎng)絡(luò)，去除

3、了需要大量樣本訓(xùn)練的3個用于檢測框校正的多分類網(wǎng)絡(luò)。參照AlexNet對第三級網(wǎng)絡(luò)結(jié)構(gòu)進行調(diào)整，并將歸一化層的歸一化區(qū)域設(shè)置為5×5。第二、三級網(wǎng)絡(luò)均使用了多分辨的網(wǎng)絡(luò)結(jié)構(gòu)，其中第二級網(wǎng)絡(luò)的全連接層與第一級網(wǎng)絡(luò)的全連接層相連接，第三級網(wǎng)絡(luò)的全連接層與前兩級網(wǎng)絡(luò)的全連接層相連接，實驗表明與單分辨率網(wǎng)絡(luò)結(jié)構(gòu)相比，多分辨率的網(wǎng)絡(luò)結(jié)果能夠在相同召回率下產(chǎn)生更少的誤檢框。
　　2)針對訓(xùn)練樣本設(shè)置多組不同的訓(xùn)練參數(shù)對網(wǎng)絡(luò)調(diào)優(yōu)，完成了級聯(lián)網(wǎng)絡(luò)

4、的訓(xùn)練。與目前常見的基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法使用百萬、千萬級別的訓(xùn)練樣本相比，級聯(lián)網(wǎng)絡(luò)僅使用了約20萬的訓(xùn)練樣本。對每一級網(wǎng)絡(luò)設(shè)置不同的學(xué)習(xí)速率、批大小、迭代步數(shù)等參數(shù)進行訓(xùn)練，選擇性能最佳的網(wǎng)絡(luò)。實驗表明，由于級聯(lián)網(wǎng)絡(luò)的每一級網(wǎng)絡(luò)結(jié)構(gòu)相對簡單，訓(xùn)練樣本數(shù)量相對較少，僅使用CPU便能完成網(wǎng)絡(luò)的訓(xùn)練。
　　3)使用公開人臉測試集FDDB、AFW對級聯(lián)網(wǎng)絡(luò)的檢測性能進行評估，并詳細分析了評估結(jié)果。級聯(lián)網(wǎng)絡(luò)在FDDB上的召回率

5、為77.43％，在AFW上的平均準(zhǔn)確率為76.02%。結(jié)果表明，級聯(lián)網(wǎng)絡(luò)達到了相對較好的檢測效果，但與目前最優(yōu)秀的人臉檢測方法在檢測性能上還有一定的差距。針對評估結(jié)果進行實驗分析，發(fā)現(xiàn)級聯(lián)網(wǎng)絡(luò)能對大部分自然條件下的人臉完成精確的檢測，但對于模糊程度較高、遮擋較為嚴重的人臉的檢測還存在不足。此外，級聯(lián)網(wǎng)絡(luò)實現(xiàn)了快速的人臉檢測，在未進行代碼優(yōu)化的情況下，使用CPU檢測一張640×480×3的圖像平均耗時為511ms。
　　4)為了進一