基于深度学习的人脸检测算法研究.docxVIP

PAGE 33 基于深度学习的人脸检测算法研究 摘 要 人脸检测是当今视觉领域里非常重要和实用的研究课题，它应用于现实生活中的各个领域，如公安、金融、网络安全、物业管理以及考勤等。基于视频的人脸检测属于动态检测，常见方法是先提取视频文件的帧，然后再对帧（图像）进行人脸检测，利用肤色特征的检测算法先对图像（帧）进行处理，然后建模，运用适当的算法把人脸检测出来，然而常用的人脸检测算法无法检测尺度较小和部分遮挡人脸情况，为了改善通用人脸检测方法的性能弊端，本文采用深度卷积神经网络进行人脸检测，我们利用检测和校准之间固有的相关性在深度级联的多任务框架下来提升它们的性能。尤其是，我们利用三层级联架构结合精心设计的卷神经网络算法，来对人脸进行检测和关键点的粗略定位。另外，使用一种新的在线采集样本策略来改善算法的性能。我们的方法与最先进的人脸检测算法FDDB和WIDER FACE进行对比，具有更高的精度。同时，与AFLW人脸对齐算法比较，实时性能良好。 关键字：人脸检测、人脸对齐、级联卷积神经网络 Abstract Face detection is a very important and practical research topic in the field of vision. It is applied to various areas of real life, such a