文献类型：期刊文章

作　　者：刘宏哲[1] 杨少鹏[1] 袁家政[2] 王雪峤[3] 薛建明[1]

LIU Hongzhe1, YANG Shaopeng1, YUAN Jiazheng2, WANG Xueqiao3, XUE Jianming1(1 Beijing Key Laboratory of Information Service Engineering, Beijing Union University Beijing 100101, China; 2 Beijing Open University, Beijing 100081, China; 3Institute of Computer Technology, Beijing Union University, Beijing 100101, China)

机构地区：[1]北京联合大学北京市信息服务工程重点实验室,北京100101 [2]北京开放大学,北京100081 [3]北京联合大学计算机技术研究所,北京100101

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(61571045);北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511);国家科技支撑项目(2015BAH55F03);北京联合大学新起点项目(Zk10201703);北京市教委科技计划一般项目(KM201811417002)~~

年　　份：2018

卷　　号：40

期　　号：11

起止页码：2598-2605

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：人脸检测是指检测并定位输入图像中所有的人脸,并返回精确的人脸位置和大小,是目标检测的重要方向。为了解决人脸尺度多样性给人脸检测造成的困难,该文提出一种新的基于单一神经网络的特征图融合多尺度人脸检测算法。该算法在不同大小的卷积层上预测人脸,实现实时多尺度人脸检测,并通过将浅层的特征图融合引入上下文信息提高小尺寸人脸检测精度。在数据集FDDB和WIDERFACE测试结果表明,所提方法达到了先进人脸检测的水平,并且该方法去掉了框推荐过程,因此检测速度更快。在WIDERFACE难、适中、简单3个子数据集上测试结果分别为87.9%, 93.2%, 93.4%MAP,检测速度为35 fps。所提算法与目前效果较好的极小人脸检测方法相比,在保证精度的同时提高了人脸检测速度。

关 键 词：多尺度人脸检测  上下文信息 特征图融合  卷积神经网络

分 类 号：TP391.4]