基于Edge Boxes和深度学习的非限制条件下人脸检测

作     者：刘英剑 张起贵 LIU Yingjian;ZHANG Qigui

作者机构：太原理工大学数字图像处理实验室山西晋中030600 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2018年第41卷第13期

页      面：29-33页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省基础研究项目自然科学基金(2013011017-3) 

主　　题：人脸检测 特征提取 深度学习 Edge Boxes 卷积神经网络 非极大抑制算法 

摘      要：针对光线、旋转、遮挡、平移等因素对人脸检测结果产生的干扰,提出一种基于Edge Boxes和深度学习相结合的人脸检测算法。首先采用Edge Boxes算法提取出可能存在人脸的边界框,提取边界框中的图像并调整至合适的大小,作为卷积神经网络的输入,然后利用卷积神经网络对提取出的图像进行特征提取和分类,最后利用非极大抑制算法排除多余人脸检测框,得到人脸的准确位置。该算法应用于LFW和Yale B人脸数据库的检测率分别达到98.7%和98.5%,识别单张人脸的时间均小于0.5 s。实验结果表明,该算法在检测率和检测速率方面较传统算法都有了很大的提高,对于遮挡、光照、旋转等干扰具有更强的鲁棒性。