基于神网络人脸检测实验报告.pdfVIP

基于神经网络的人脸检测

：在本次实验中，学习⼀种新的⼈脸检法——

使用多任务级联卷积网络进行联合⼈脸检测与对齐。了解他的

原理，实现流程，并用体验其效果。它的想法让我们耳目

⼀新。我们需要深入学习和理解它。

图2：面部对齐

I.简介

人脸检测和对齐是图像识别中的经典问题。我们还研

究了基于Adaboost的人脸检测方法，并体验了OpenCV

率。随着深度学习的发展，级联卷积神经网络被提出来解

内置的使用基于Haar特征的级联分类器的人脸检测方

决人脸检测问题。但这种方法需要人脸检测中的边界框校

法。这次学种新的人脸检测方法——使用多任

准，需要额外的计算开销。人脸对齐的研究可以分为两类：

务级联卷积网络的联合人脸检测和对齐，它具有更令人信

基于回归的方法和模板拟合方法。

服的效率和能力。

该方法的思想是使用多层CNN模型来完成人脸检测

任务。在第一阶段，它通过浅层CNN快速生成候选窗口。

B.边界框回归

然后，它通过更复杂的CNN大量脸窗口来细化

在图像识别中，在图像中找到候选对象后，应该有足

窗口。最后，它使用更强大的CNN再次细化结果并输出

够的建议来捕获图像中的潜在对象。定义地面实况——一

5个面部标志位置。

个被认为最适合封装目标对象的人类标记的边界框，我们

我们进行此实验的动机是：（1）使用多任务级联卷可以将问题表述为通过选择性搜索地面实况框G来找到变

积网络了解联合人脸检测和对齐。(2)使用该模型进行人换映射区域建议P。然后问题就可以作为回归问题来解

脸检测任务。(3)与我们过去学过的人脸检测方法进行比决。

较。

二.方法和理论C、MTCNN

A.人脸检测MTCNN是一种级联CNN方法，利用硬样本挖

人脸检测和人脸对齐是图像识别中的经典研究课题。掘策略共同解决检测和对齐问题。在MTCNN之前，级

人脸检测可以被视为分类问题的