基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測算法研究.pdf

1、人臉檢測是模式識別和計算機視覺等領(lǐng)域的重要組成部分，也是人臉對齊、人臉識別、表情識別等人臉課題的研究前提。傳統(tǒng)的人臉檢測算法中，通常利用手工設(shè)計的特征提取算法進行人臉的特征提取。在實際應(yīng)用中，由于人臉存在遮擋、多姿態(tài)、角度變化、光照變化及表情變化等情況，基于手工設(shè)計特征的人臉檢測算法性能及魯棒性有待提高。針對上述問題，基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測方法得到了廣泛地研究，利用傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)進行人臉檢測時，通常使用滑動窗口或Selective

2、 Search算法進行區(qū)域提取，該類方法存在算法復(fù)雜、耗時等問題;同時當(dāng)網(wǎng)絡(luò)深度達到一定程度時，訓(xùn)練的過程中會出現(xiàn)梯度消散或梯度爆炸的問題，進而導(dǎo)致網(wǎng)絡(luò)性能的退化。因此，針對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)在人臉檢測中存在的問題，本文對人臉檢測算法進行研究，以提高人臉檢測的性能及魯棒性。
　　本文主要完成了以下工作:
　　(1)通過閱讀國內(nèi)外文獻，了解了人臉檢測及深度學(xué)習(xí)的研究現(xiàn)狀，總結(jié)了人臉檢測存在的問題，確定了本文的研究方向和研究內(nèi)容。

3、
　　(2)論文對卷積神經(jīng)網(wǎng)絡(luò)的理論知識、深度學(xué)習(xí)框架和卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法進行了總結(jié)與歸納。首先分別從卷積層、池化層、激活函數(shù)對卷積神經(jīng)網(wǎng)絡(luò)的組成進行了介紹，緊接著說明了卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法，然后介紹了卷積神經(jīng)網(wǎng)絡(luò)的隨機梯度下降算法，最后重點分析了Caffe深度學(xué)習(xí)框架。
　　(3)基于經(jīng)典的AlexNet網(wǎng)絡(luò)，設(shè)計圖像分類框架，并對其進行改進。為了增加非線性表達能力，減少參數(shù)個數(shù)，將原來較大的卷積核替換為兩個較小的卷

4、積核，為了解決數(shù)據(jù)集中圖像尺寸不統(tǒng)一的問題，本文把網(wǎng)絡(luò)的最后池化層進行空域金字塔池化處理。本文引入Faster R-CNN網(wǎng)絡(luò)中的區(qū)域特征提取算法，區(qū)域生成網(wǎng)絡(luò)首先對圖像批量生成候選框，利用卷積神經(jīng)網(wǎng)絡(luò)對候選框進行優(yōu)化區(qū)域位置和尺寸處理，從而得到分類概率，然后生成代價函數(shù)，進而通過反向傳播進行參數(shù)求導(dǎo)優(yōu)化，提高區(qū)域提取的概率。本文利用FDDB、Wider人臉數(shù)據(jù)庫進行實驗，實驗顯示，所提算法準確率達到98％，平均檢測時間為0.32s。<