一种改进的多任务级联卷积神经网络人脸检测算法

刘彩云，李雅雯，刘倩

1.长江大学信息与数学学院，湖北 荆州434023 2.长江大学电子信息学院，湖北 荆州434023

随着智能时代的来临，人脸识别在安防、金融、交通、教育、医疗等领域运用越来越广泛。一个完整的人脸识别系统应包含人脸检测、特征提取和人脸识别3个方面。人脸检测是人脸识别需要解决的首要问题。而由于姿势变化、外物遮挡以及光源方向等多方面因素的影响，人脸检测的准确率不高，并且对于多人图片，往往很难准确地识别出所有人脸。常见的人脸检测分为非深度学习和深度学习2种模式[1,2]，非深度学习又包含简单特征级联系列、人脸检测的可变模型系列(DPM)[3]等。深度学习包含级联卷积神经网络(CNN)系列、快速区域卷积神经网络(Faster R-CNN)系列[4-6]等。

早期的人脸检测方法准确率较低，多任务级联卷积神经网络的人脸检测算法[7](MTCNN)兼顾人脸检测与人脸对齐双重任务，并且网络结构精简、检测速度快且召回率高。但另一方面，MTCNN算法对多人图片中的小人脸检测率较低，在多人合照场景下，对合照中的小人脸检测鲁棒性不高。针对MTCNN人脸检测算法在多人合照场景下的小人脸检测率较低的问题，笔者提出了一种改进的多任务级联卷积神经网络的人脸检测算法(IMTCNN)：该算法首先对MTCNN网络模型的R-Net层集成图片信息卷积残差模块，扩大特征图感受野获取更多人脸信息；然后引入反卷积层和最大池化层，使得特征融合数据维度保持一致；最后将O-Net层集成图片信息卷积残差模块，进一步提取人脸信息。……