基于深度學(xué)習(xí)的人臉檢測研究.pdf

1、人臉檢測作為人臉識別及其相關(guān)應(yīng)用的前提和基礎(chǔ)，其速度與準(zhǔn)確度對后續(xù)相關(guān)工作具有一定影響，因而，在計算機(jī)視覺和模式識別的領(lǐng)域中，人臉檢測具有重要的研究意義。
　　目前常用的人臉檢測算法都難以實現(xiàn)快速準(zhǔn)確地從圖像中檢測到存在遮擋和姿態(tài)或表情變化過大的人臉。針對這一問題，本文提出一種基于改進(jìn)的選擇性搜索和主動卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的人臉檢測算法，首先，通過改進(jìn)的選擇性搜索算法計算出圖像中少量的人臉存在概率較高的子區(qū)域作為候選窗口，然后，將候

2、選窗口的圖像輸入多個訓(xùn)練好的主動卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)中，對多個主動卷積神經(jīng)網(wǎng)絡(luò)的分類結(jié)果進(jìn)行投票，計算候選窗口中的人臉相似性得分，最后，使用非極大值抑制的方法去除多余的候選窗口，得到最終的檢測結(jié)果。實驗結(jié)果表明，該方法能有效地提高人臉檢測的檢測速度與準(zhǔn)確度。本文的主要研究工作如下：
　　1.系統(tǒng)地剖析了常用的人臉檢測算法，對比各算法的優(yōu)缺點(diǎn)，主要介紹基于Haar-AdaBoost的人臉檢測、基于膚色模型的人臉檢測及基于神經(jīng)網(wǎng)絡(luò)的人臉檢

3、測。
　　2.將改進(jìn)的選擇性搜索算法應(yīng)用于人臉檢測，計算圖像中的可能存在人臉的區(qū)域位置，該方法可在卷積神經(jīng)網(wǎng)絡(luò)模型提取圖像特征前快速排除大部分不包含人臉的背景區(qū)域，縮小檢測范圍。選擇性搜索算法通過不斷合并圖像中具有最大相似度的相鄰子區(qū)域，得到少量的人臉存在概率較高的候選區(qū)域，在計算相鄰區(qū)域間的相似度時，對選擇性搜索算法進(jìn)行改進(jìn)，采用感知哈希替換多樣性策略來計算相鄰區(qū)域間的相似度，從而有效地減少選擇性搜索算法的計算時間，提高檢測速度