劉英劍 張起貴

摘 要： 針對(duì)光線、旋轉(zhuǎn)、遮擋、平移等因素對(duì)人臉檢測(cè)結(jié)果產(chǎn)生的干擾，提出一種基于Edge Boxes和深度學(xué)習(xí)相結(jié)合的人臉檢測(cè)算法。首先采用Edge Boxes算法提取出可能存在人臉的邊界框，提取邊界框中的圖像并調(diào)整至合適的大小，作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，然后利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)提取出的圖像進(jìn)行特征提取和分類，最后利用非極大抑制算法排除多余人臉檢測(cè)框，得到人臉的準(zhǔn)確位置。該算法應(yīng)用于LFW和Yale B人臉數(shù)據(jù)庫(kù)的檢測(cè)率分別達(dá)到98.7%和98.5%，識(shí)別單張人臉的時(shí)間均小于0.5 s。實(shí)驗(yàn)結(jié)果表明，該算法在檢測(cè)率和檢測(cè)速率方面較傳統(tǒng)算法都有了很大的提高，對(duì)于遮擋、光照、旋轉(zhuǎn)等干擾具有更強(qiáng)的魯棒性。

關(guān)鍵詞： 人臉檢測(cè)； 特征提取； 深度學(xué)習(xí)； Edge Boxes； 卷積神經(jīng)網(wǎng)絡(luò)； 非極大抑制算法

中圖分類號(hào)： TN911.73?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）13?0029?05

Abstract： A face detection algorithm based on Edge Boxes and deep learning is proposed to eliminate the interference from light， rotation， occlusion， translation and other factors to the face detection results. The Edge Boxes algorithm is used to extract the bounding box maybe existing in human face， in which the image is adjusted to the appropriate size， and deemed as the input of the convolution neural network. Extraction and classification of the features in the extracted image are carried out by means of convolution neural network. The non?maximal suppression algorithm is used to exclude the excess face detection boxes to get the exact location of the face. The detection rate of the proposed algorithm can reach up to 98.7% and 98.5% respectively for LFW and Yale B face databases， and the identification time for single face is less than 0.5 s. The experimental results show that the detection rate and detection speed of the algorithm are much higher than those of the traditional algorithms， and it has stronger robustness against interference from occlusion， illumination and rotation.

Keywords： face detection； feature extraction； deep learning； Edge Boxes； convolution neural network； non?maximal suppression algorithm

0 引 言

人臉檢測(cè)是指給定任意圖像，采用一定的算法對(duì)其進(jìn)行搜索，判斷其中是否含有人臉，如果是則計(jì)算出人臉的位置信息。人臉檢測(cè)是計(jì)算機(jī)視覺中的基礎(chǔ)性問題，是人臉識(shí)別的基礎(chǔ)，在現(xiàn)實(shí)生活中廣泛應(yīng)用于視頻監(jiān)控、人機(jī)交互、智能汽車等方面[1]。

研究表明，深度卷積神經(jīng)網(wǎng)絡(luò)能夠很好地表示高階抽象概念的復(fù)雜函數(shù)。對(duì)于神經(jīng)網(wǎng)絡(luò)而言，深度指的是網(wǎng)絡(luò)學(xué)習(xí)得到的函數(shù)中非線性運(yùn)算組合水平的數(shù)量，深度模型表達(dá)能力更強(qiáng)、更有效率。將深度卷積神經(jīng)網(wǎng)絡(luò)用于人臉檢測(cè)是一種基于特征的方法，與傳統(tǒng)的人工特征提取相比，它的優(yōu)點(diǎn)是通過逐層卷積層降維進(jìn)行特征提取，通過全連接層形成更抽象、更有效的特征表示。然后經(jīng)過多層非線性映射，使網(wǎng)絡(luò)可以從大量的訓(xùn)練樣本中自動(dòng)學(xué)習(xí)形成適合人臉檢測(cè)的特征提取器和分類器。該方法不僅降低了對(duì)訓(xùn)練樣本的要求，而且網(wǎng)絡(luò)層數(shù)越多，學(xué)習(xí)到的特征比傳統(tǒng)人工特征提取得到的特征更具全局性和代表性。

本文基于深度卷積神經(jīng)網(wǎng)絡(luò)的這一特性，將其用于人臉檢測(cè)，提出一種新的人臉檢測(cè)思路，避免了復(fù)雜的特征提取，利用局部感受野、共享權(quán)重和混合的方法加快網(wǎng)絡(luò)的訓(xùn)練速度和處理速度，在LFW，Yale B人臉庫(kù)上表明，與傳統(tǒng)算法LBP[2]，HOG[3]，PCA[4]，SVM[5]相比，本文算法所提取的人臉特征判別性更強(qiáng)，提升了人臉檢測(cè)的準(zhǔn)確率，能夠更有效地表征非限制條件下人臉圖像的特征信息，并且進(jìn)行更準(zhǔn)確的預(yù)測(cè)。

2.3 非極大抑制算法[10]

通過以上步驟已經(jīng)基本上把人臉?biāo)诘膮^(qū)域找到，但是會(huì)從一張圖片中找出多個(gè)可能是人臉的矩形框，采用非極大值抑制算法消除多余（交叉重復(fù)）的窗口，計(jì)算出合適的人臉位置信息。

3 人臉檢測(cè)過程

首先采用Edge Boxes算法提取可能出現(xiàn)物體位置的邊界框，然后截取出邊界框中的圖像并且調(diào)整圖像的大小為32×32，以此作為訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)的輸入，利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)邊界框中的圖像進(jìn)行特征提取和分類，判斷邊界框中的圖像是否存在人臉。最后采用非極大抑制算法進(jìn)行邊界檢測(cè)，計(jì)算人臉的合適位置。人臉檢測(cè)過程如圖3所示，算法步驟如下：

1） 使用Edge Boxes算法檢測(cè)出可能出現(xiàn)物體的窗口。

2） 提取窗口中的圖像，并且將圖像統(tǒng)一縮放至32×32，以此作為卷積神經(jīng)網(wǎng)絡(luò)的輸入。

3） 對(duì)提取出的圖像進(jìn)行特征提取和分類，判斷提取出的圖像是否是人臉。

4） 利用非極大抑制算法，針對(duì)一張人臉排除多余的人臉窗口，計(jì)算出合適的人臉位置信息。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文算法的性能，本文在Extend Yale B，LFW和FDDB 3個(gè)人臉數(shù)據(jù)庫(kù)上進(jìn)行人臉檢測(cè)實(shí)驗(yàn)。首先在LFW上與經(jīng)典的人臉檢測(cè)算法進(jìn)行對(duì)比實(shí)驗(yàn)，測(cè)試本文算法的檢測(cè)率、誤檢率、漏檢率及檢測(cè)速度；其次在Extend Yale B上測(cè)試不同光照條件下的檢測(cè)率；最后在自然場(chǎng)景下測(cè)試該算法的實(shí)用性。測(cè)試環(huán)境為Intel Corei5處理器，NVIDIA GEFORCE GT640M顯卡和4 GB內(nèi)存的計(jì)算機(jī)系統(tǒng)，測(cè)試平臺(tái)為Matlab 2016b。

4.1 LFW人臉庫(kù)下人臉檢測(cè)對(duì)比

對(duì)比實(shí)驗(yàn)結(jié)果的柱狀圖如圖4所示。不同算法的性能對(duì)比如表2所示。由表2可知，本文算法與Adaboost[11]算法、利用LBP特征進(jìn)行人臉檢測(cè)的算法和傳統(tǒng)CNN算法相比，檢測(cè)率和誤檢率遠(yuǎn)遠(yuǎn)優(yōu)于這兩種算法，檢測(cè)速度達(dá)到了0.5 f/s，基本滿足實(shí)時(shí)檢測(cè)的需求。

4.2 光照實(shí)驗(yàn)

根據(jù)光照強(qiáng)度的不同，采用Yale B人臉數(shù)據(jù)庫(kù)作為測(cè)試數(shù)據(jù)庫(kù)。Yale B人臉數(shù)據(jù)庫(kù)分為5個(gè)集合，集合1為正面光照下的圖像，集合2和集合3分別包括輕度至中度光照變化的圖像，集合4和集合5分別包括劇烈至重度劇烈光照下的圖像。從中分別選取輕度、中度、劇烈光照下各100張圖片進(jìn)行測(cè)試，測(cè)試結(jié)果如表3所示。由表3可知，隨著光照條件劇烈惡化，其他4種方法的檢測(cè)率下降得都很快，本文算法仍能保持90%的檢測(cè)率。

4.3 自然場(chǎng)景檢測(cè)實(shí)驗(yàn)

在實(shí)際應(yīng)用中，自然場(chǎng)景下多人臉檢測(cè)的應(yīng)用更為廣泛，本文中的測(cè)試圖片選自FDDB[12]人臉數(shù)據(jù)庫(kù)， 圖像中包括旋轉(zhuǎn)、光照、遮擋三種情況，檢測(cè)結(jié)果如圖5所示。從實(shí)驗(yàn)結(jié)果可以看出，本文使用的算法在不同光照、人臉角度、部分遮擋的情況下具有良好的性能，在真實(shí)的自然場(chǎng)景中具有較好的檢測(cè)效果。

5 結(jié) 語

本文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)和Edge Boxes相結(jié)合的人臉檢測(cè)方法。采用深度學(xué)習(xí)代替手工的特征提取，提高了檢測(cè)率。用Edge Boxes代替?zhèn)鹘y(tǒng)滑動(dòng)窗口的算法，提高了檢測(cè)速率。在Extend Yale B，LFW和FDDB人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明，該算法相比傳統(tǒng)人臉檢測(cè)算法，大大提高了檢測(cè)率和檢測(cè)速度，克服了其他算法在光照、旋轉(zhuǎn)等條件下檢測(cè)率低的缺陷，驗(yàn)證了本文算法對(duì)光照和遮擋等因素的魯棒性。接下來的工作是對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，進(jìn)一步加快模型的訓(xùn)練速度。

參考文獻(xiàn)

[1] GUNASEKAR S， GHOSH J， BOVIK A C. Face detection on distorted images augmented by perceptual quality?aware features [J]. IEEE transactions on information forensics & security， 2014， 9（12）： 2119?2131.

[2] WOLF L， HASSNER T， TAIGMAN Y. Effective unconstrained face recognition by combining multiple descriptors and learned background statistics [J]. IEEE transactions on pattern analysis & machine intelligence， 2011， 33（10）： 1978?1990.

[3] WANG X， HAN T X， YAN S. An HOG?LBP human detector with partial occlusion handling [C]// Proceedings of 2009 IEEE International Conference on Computer Vision. Kyoto： IEEE， 2009： 32?39.

[4] MOON H， PHILLIPS P J. Computational and performance aspects of PCA?based face?recognition algorithms [J]. Perception， 2001， 30（3）： 303?321.

[5] HARIPRASAD E N， JAYASREE M. Face detection using SURF descriptor and SVM [J]. International journal of computer applications， 2015， 129（4）： 41?46.

[6] GLOROT X， BORDES A， BENGIO Y. Deep sparse rectifier neural networks [J]. Journal of machine learning research， 2012， 15： 315?323.

[7] SYAFEEZA A R， KHALIL?HANI M， LIEW S S， et al. Convolutional neural network for face recognition with pose and illumination variation [J]. International journal of engineering & technology， 2014， 6（1）： 498?519.

[8] ZENG R， WU J， SHAO Z， et al. Quaternion softmax classifier [J]. Electronics letters， 2014， 50（25）： 1929?1931.

[9] SRIVASTAVA N， HINTON G， KRIZHEVSKY A， et al. Dropout： a simple way to prevent neural networks from overfitting [J]. Journal of machine learning research， 2014， 15（1）： 1929?1958.

[10] ROTHE R， GUILLAUMIN M， GOOL L V. Non?maximum suppression for object detection by passing messages between windows [C]// 2015 Asian Conference on Computer Vision. [S.l.]： IEEE， 2015： 290?306.

[11] LI Lijuan. Face detection algorithm based on general sample Adaboost [J]. Microcomputer information， 2010， 35（1）： 187?191.

[12] JAIN V， LEARNED?MILLER E. FDDB： a benchmark for face detection in unconstrained settings [R/OL]. [2010?12?07]. https：//people.cs.umass.edu/～elm/papers/fddb.pdf.