基于卷积神经网络多方位的人脸检测

《基于卷积神经网络多方位的人脸检测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据2018年第3期文章编号：1009—2552(2018)03—0045—05DOI：10．13274／j．cnki．hdzj．2018．03．010基于卷积神经网络多方位的人脸检测许立升，孟小枫，宋宁(河海大学理学院，南京211100)摘要：针对单个摄像头在进行视频监控时视野域有限的问题，提出了一种基于卷积神经网络多方位人脸检测方法。网络的所有权值都是通过学习来不断更新的，所以该网络可以从大量训练集中自动生成特征提取器提取特征，而不需要事先对训练集中的面部图案特征进行手工标记和分析且有很好的鲁棒性。多方位的

2、人脸检测可以更好的捕捉到人脸信息，进而更好地进行人脸检测和识别。同时文中采用改进后的背景差分法，提高运算速率。在通过对人脸数据进行训练的实验结果显示：文中的方法有更高的检测率，并且相对经典卷积神经网络收敛速度更快。关键词：卷积神经网络；鲁棒性；多方位；背景差分法中图分类号：TP391．4文献标识码：AFacedetectionbasedonconvolutionneuralnetworkinmulti．azimuthvideosurveillanceXULi-sheng，MENGXiao—feng，SONGNing

3、(SchoolofScience，HohaiUniversity，Nanjing211100，China)Abstract：Amulti—azimuthalfacedetectionmethodbasedonconvolutionneuralnetworkisproposedtosolvetheproblemoflimitedfieldofviewwhenasinglecameraisinvideosurveillance．Thenetworkownershipvaluesarecontinuallyupdated

4、bylearning，SOthenetworkcanautomaticallyextractfeatureextractionfromalargenumberoftrainingsetswithoutmanualmarkandanalysisforthefacialpatternfeaturesinthetrainingsetandhasagoodrobustness．Multi·facetedfacedetectioncanbettercapturethefaceinformation，andthenbetter

5、facedetectionandrecognition．Atthesametimeitusedtheimprovedbackgrounddifferencemethodtoimprovetheoperationrate．Theexperimentsontrainingwithfacedatashowthatthemethodhasahigherdetectionrateandconvergesfasterthanclassicalconvolutionneuralnetworks．Keywords：convolut

6、ionneuralnetwork；robustness；multi—direction；backgrounddifferencemethod0引言随着现在社会的发展，人脸检测技术正在得到广泛应用，例如在安全访问控制和视屏索引等领域。所以人脸检测正在成为非常重要的研究课题，这也是进行人脸识别的必要步骤。人脸检测方法大致可以分为基于知识的方法、特征不变方法、模板匹配方法和基于外观的方法¨J。基于知识的方法是基于规则的人脸检测方法，规则大多来源于研究者本人对于人脸的先验知识。基于知识的方法将典型的人脸形成规则库，并对人脸

7、进行编码。通常通过脸部特征的关系进行人脸的定位。但这种方法存在的问题主要是很难将研究者的知识转化为明确定义的规则。如果定义的规则太过严格，则很难通过所有的规则而导致检测失败。如果规则过于宽松，可能会导致比较高的错误率。所以基于知识的方法通常和其他方法进行融合。例如，Bashier等人提出了基于收稿日期：2017—07—14基金项目：国家级创新训练项目(201710294062)作者简介：许立升(1992一)，男，硕士研究生，研究方向为机器学习、图像处理。---——45．．．——万方数据图形结构和神经网络的人脸检测方

8、法_2J。Geng等人提出了基于多尺度局部图像结构的人脸检测方法。31。特征不变的方法是寻找人脸中的不变特征用于人脸检测。根据提取到的面部特征，构建统计模型来描述特征之间的相互关系并确定是否存在人脸。但该方法的主要问题是，当人脸图像特征因为噪声而被破坏时，人脸的特征边界会被弱化，造成特征提取困难。此外，该方法的计算量很大，很难满足实时性检测的要求。Leung