一种多层特征融合的人脸检测方法

被引:30
作者
王成济 [1 ,2 ]
罗志明 [1 ,2 ]
钟准 [1 ,2 ]
李绍滋 [1 ,2 ]
机构
[1] 厦门大学智能科学与技术系
[2] 厦门大学福建省类脑计算技术及应用重点实验室
关键词
人脸检测; 多姿态; 多尺度; 遮挡; 复杂场景; 卷积神经网络; 特征融合; 非极大值抑制;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
摘要
由于姿态、光照、尺度等原因,卷积神经网络需要学习出具有强判别力的特征才能应对复杂场景下的人脸检测问题。受卷积神经网络中特定特征层感受野大小限制,单独一层的特征无法应对多姿态多尺度的人脸,为此提出了串联不同大小感受野的多层特征融合方法用于检测多元化的人脸;同时,通过引入加权降低得分的方法,改进了目前常用的非极大值抑制算法,用于处理由于遮挡造成的相邻人脸的漏检问题。在FDDB和WiderFace两个数据集上的实验结果显示,文中提出的多层特征融合方法能显著提升检测结果,改进后的非极大值抑制算法能够提升相邻人脸之间的检测准确率。
引用
收藏
页码:138 / 146
页数:9
相关论文
共 3 条
[1]
A survey on face detection in the wild: Past; present and future.[J].Stefanos Zafeiriou;Cha Zhang;Zhengyou Zhang.Computer Vision and Image Understanding.2015,
[2]
Selective Search for Object Recognition [J].
Uijlings, J. R. R. ;
van de Sande, K. E. A. ;
Gevers, T. ;
Smeulders, A. W. M. .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 104 (02) :154-171
[3]
Distinctive image features from scale-invariant keypoints [J].
Lowe, DG .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110