非限定条件下的基于全卷积神经网络的人脸检测算法研究

2021-11-22 09:42:46余胜,谢莉
韶关学院学报 2021年9期
关键词:特征检测方法

余 胜,谢 莉

(韶关学院 信息工程学院,广东 韶关 512005)

关键字:人脸检测;卷积神经网络;多尺度特征学习

人脸是每个人的门户窗口,日常交流中快速准确的完成人脸检测对人而言是非常容易的一件事,人能够在人群拥挤、相互遮挡等各种复杂情况下精确的确定目标人脸所在位置.在人工智能高速发展的时代,人脸检测更是当前许多人工智能项目的基础,如刷脸支付、人脸识别、疲劳驾驶、美颜技术等,在现实应用中有着非常重要的意义[1].

近年来,随着深度学习技术的成熟,特别是卷积神经网络在图像增强、目标分割、目标检测与识别等领域都有突破性的发展[2-3],这也给人脸检测带来了巨大的成功[4-6].相比于基于人工设计特征的人脸检测方法,以卷积神经网络为原型构建的人脸检测模型模拟人类大脑,以原始的图像作为输入,自动学习获取人脸相关特征,完成人脸的检测.当前在限定条件下的人脸检测可以达到商用的程度,但在非限定条件下,涉及到人脸头像采集的角度、光照、背景等复杂环境和因素的影响,导致非限定条件下的人脸检测更为复杂、难度更大.根据人工设计特征的不同,可以将人脸检测方法分为基于知识的方法、基于模板匹配的方法、基于统计学习理论的方法和基于表观的方法四大类[7].

基于知识的方法主要根据每个人具有不同的五官、肤色等特征,同时人脸的五官特征之间又有一定的规则特点去约束人脸检测的过程[8].基于模板匹配的方法主要是根据事先设计的固定模板或可变形模板,首先在目标图像中进行滑窗扫描,若模板与对应滑动窗口区域的相关系数大于设定的阈值,则认为该区域为候选人脸目标[9-10];……

登录APP查看全文

猜你喜欢
特征检测方法
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
小波变换在PCB缺陷检测中的应用
用对方法才能瘦
Coco薇(2016年2期)2016-03-22 02:42:52
四大方法 教你不再“坐以待病”!
Coco薇(2015年1期)2015-08-13 02:47:34
捕鱼
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15