基于BING与卷积神经网络的人脸检测算法.PDFVIP

第３７卷第６期 南京邮电大学学报（自然科学版） Ｖｏｌ．３７ Ｎｏ．６ 　 ２０１７年１２月 ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｄｅｃ２０１７ ｄｏｉ：１０．１４１３２／ｊ．ｃｎｋｉ．１６７３５４３９．２０１７．０６．０１１ 基于ＢＩＮＧ与卷积神经网络的人脸检测算法 程春玲，刘胜昔 南京邮电大学 计算机学院，江苏 南京　２１００２３ ( ) 摘要：为了提高复杂背景条件下人脸检测算法的训练速度以及检测速度，提出一种基于二值化梯度 幅值特征（ＢｉｎａｒｉｚｅｄＮｏｒｍｅｄＧｒａｄｉｅｎｔｓ，ＢＩＮＧ）和卷积神经网络相结合的算法。为了提高算法的检 测速度，采用二值化梯度幅值特征算法对目标窗口进行粗略的筛选，快速得到数量较少的候选窗 口，以此来减少卷积神经网络后续判定的窗口数。为了提高算法的训练速度，提出了新的卷积神经 网络的激活函数反比例线性单元（ＩｎｖｅｒｓｅＰｒｏｐｏｒｔｉｏｎＬｉｎｅａｒＵｎｉｔｓ，ＩＰＬＵ），并且推导出相应的权值初 始化方法。实验结果表明，与激活函数ＲｅＬＵ和ＥＬＵ相比，反比例线性单元以及相应的权值初始化 方法使得网络收敛时间分别缩短了２．３％和８．６％；与ＦｕＳｔ算法和ＣａｓｃａｄｅＣＮＮ算法相比，基于 ＢＩＮＧ与卷积神经网络的人脸检测算法的检测速度分别提高了２６％和６２％。 关键词：二值化梯度幅值特征；卷积神经网络；人脸检测；激活函数 中图分类号：ＴＰ３９１　　文献标志码：Ａ　　文章编号：１６７３５４３９（２０１７）０６００６８０７ ＦａｃｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＢＩＮＧ ａｎｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ ＣＨＥＮＧＣｈｕｎｌｉｎｇ，ＬＩＵＳｈｅｎｇｘｉ ( ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１００２３，Ｃｈｉｎａ) Ａｂｓｔｒａｃｔ：Ｔｏｉｎｃｒｅａｓｅｔｈｅｔｒａｉｎｉｎｇｓｐｅｅｄａｎｄｔｈｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄｏｆｔｈｅｆａｃｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｕｎｄｅｒ ｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｃｏｎｄｉｔｉｏｎｓ，ａｆａｃｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｂｉｎａｒｉｚｅｄｎｏｒｍｅｄｇｒａｄｉｅｎｔ（ＢＩＮＧ） ａｎｄｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄ．Ｔｏｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎｓｐｅｅｄｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ＢＩＮＧｉｓ ｕｓｅｄｔｏｆｉｌｔｅｒｔｈｅｔａｒｇｅｔｗｉｎｄｏｗｓ，ａｎｄｔｈｅｎｕｍｂｅｒｏｆｃａｎｄｉｄａｔｅｗｉｎｄｏｗｓｉｓｑｕｉｃｋｌｙｏｂｔａｉｎｅｄ，ｔｈｕｓｒｅｄｕｃｉｎｇ ｔｈｅｎｕｍｂｅｒｏｆｗｉｎｄｏｗｓｄｅｔｅｒｍｉｎｅｄｂｙｔｈｅｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｏｉｍｐｒｏｖｅｔｈｅｔｒａｉｎｉｎｇｓｐｅｅｄｏｆｔｈｅ ａｌｇｏｒｉｔｈｍ，ｉｎｖｅｒｓｅｐｒｏｐｏｒｔｉｏｎｌｉｎｅａｒｕｎｉｔ（ＩＰＬＵ），ａｎｅｗａｃｔｉｖａｔｉｏｎｆｕｎｃｔｉｏｎｏｆｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ ｉｓｐｒｏｐｏｓｅｄａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｗｅｉｇｈｔｉｎｉｔｉａｌｉｚａｔｉｏｎｍｅｔｈｏｄｉｓｄｅｄｕｃｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗ ｔｈａｔｃｏｍｐａｒｅｄｗｉｔｈｔｈｅａｃｔｉｖａｔｉｏｎｆｕｎｃｔｉｏｎｓＲｅＬＵａｎｄＥＬＵ，ｔｈｅｉｎｖｅｒｓｅｐｒｏｐｏｒｔｉｏ