基于YOLO和深度残差混合网络的狗脸检测算法

芦 佳 陆振宇 詹天明 戴裕亮 王 鹏

1(南京信息工程大学电子与信息工程学院 江苏 南京 210044)

2(南京审计大学信息工程学院 江苏 南京 211815)

0 引 言

随着社会的发展与进步，人们饲养宠物的情况越来越多，它们在人们身边的地位也越来越重要。但是宠物给人们带来欢乐的同时也带来了许多的问题，如宠物店里的监管与喂养，宠物的丢失和寻找，以及流浪狗的管辖等都需要更加智能化和系统化的管理。宠物的身份认证也是智能化和系统化管理中非常重要的环节之一。而狗作为日常最受欢迎的宠物之一，提取其特征来进行智能识别在宠物狗智能管理中具有非常广泛的应用。

传统的目标检测算法大致方法如下：一开始是候选区域的选择，然后在已经选定的候选区域中提取特征，如HOG(Histogram of Oriented Gradient)[1]、SIFT(Scale Invariant Feature Transform)[2]、Haar等方法，最后使用训练的分类器，如SVM(Support Vector Machine)[3]、Adaboost[4]等进行分类。这些检测方法虽然实现起来比较简单，但是由于手工设计的特征对于多样性的变化没有很好的鲁棒性，而且待检测目标会因为光照、视角等因素的变化而变化，因此会直接影响到目标检测的准确性。为此，研究者们又提出了DPM(Deformable Part Model)[5]目标检测算法，但是该模型特征相对复杂，计算速度慢，对于旋转、拉伸的物体检测效果不好。后来，还有一些目标检测的算法被提出，但是大多还是借鉴了DPM方法的思路进行改进，并没有发生本质的变化，因而传统的目标检测的研究工作遇到了瓶颈。

随着研究者们在目标检测技术上的不断改进与创新，新颖而高效的目标检测算法层出不穷。……