基于卷積神經(jīng)網(wǎng)絡及協(xié)方差特征的人臉檢測方法.pdf

1、鑒于人臉檢測技術在安全訪問控制、視覺監(jiān)測、基于內(nèi)容的檢索和新一代人機界面等領域具有廣泛的應用背景，一直是模式識別和人工智能等領域的重要研究課題。由于人臉是由復雜的三維曲面構成的可變形體，而光照、表情變化和背景環(huán)境都會都給檢測帶來難度。因此人臉檢測是一個極具挑戰(zhàn)性的課題。
　　 通常基于膚色的人臉檢測方法由于單純利用膚色信息，容易造成膚色區(qū)域的大面積連接，檢測率不高；卷積神經(jīng)網(wǎng)絡方法在人臉檢測中取得了巨大成功，但是卷積核的計算量較

2、大，同時典型的卷積神經(jīng)網(wǎng)絡的固定結構又使得網(wǎng)絡規(guī)模初始設定只能是經(jīng)驗性的，難以實現(xiàn)后繼的再學習，限制了卷積神經(jīng)網(wǎng)絡在人臉檢測領域的進一步應用；利用簡單Harr式特征分層篩選的人臉檢測方法具有簡單、快速、檢測率高的優(yōu)點，該方法通過Adaboost算法對Harr式矩形特征弱分類器進行組合來提升系統(tǒng)分類性能。但是Harr式特征對邊緣、線段比較敏感，只能描述特定走向的圖形結構，一定程度上影響了檢測結果。
　　 本文針對上述問題進行了深入

3、研究，主要改進工作包括：
　　 (1)、在彩圖中的人臉檢測過程中，首先提取出彩色圖像中的膚色區(qū)域，再結合Canny算子提取出的圖像的邊緣信息，將大片粘連的膚色區(qū)域分割開來。實驗結果證實本文方法有效提高了包含部分遮擋、膚色干擾等復雜環(huán)境下的圖片的檢測率。
　　 (2)、針對卷積神經(jīng)網(wǎng)絡結構固定、卷積核計算量大、難以實現(xiàn)后繼的再學習等問題，提出一種結構可變的卷積神經(jīng)網(wǎng)絡的構造方法。具體構造方法為：從每層只有單個卷積核的簡單網(wǎng)

4、絡結構開始訓練，逐漸為各網(wǎng)絡層增加新的卷積神經(jīng)元并修改新增連接權重，當訓練結果達到預期目標時訓練結束。不同網(wǎng)絡規(guī)模下人臉檢測的實驗結果表明基于結構增長生成的網(wǎng)絡可以在精確度和網(wǎng)絡規(guī)模之間取得一個非常好的折衷。此外，在追加新的學習樣本時，分類器在保持原有學習結果基礎上，只需調(diào)整少量新增神經(jīng)元的權值，就能明顯提高檢測率。
　　 (3)、協(xié)方差矩陣特征能夠反映圖像像素的內(nèi)在相關程度，可以較好地克服Harr式幾何特征對邊緣走向敏感的缺點