科研之友
微信
新浪微博
Facebook
分享链接
摘要
实际生活中的人脸图像大部分带有遮挡,常常导致待检测人脸的关键信息丢失。针对人脸识别过程中由于遮挡所导致的人脸特征难以提取的问题,本文设计了一种基于VGGNet和多特征点融合的遮挡人脸检测算法。该方法以VGG-16框架为特征提取的骨干网络,在传统VGG网络的全连接层输入前增加遮挡处理单元OCC-Net。在该层中首先采用多特征融合的方法,增强网络对人脸特征的提取;然后利用尺度不变特征转换(SIFT)算法,扩大网络中小尺度特征图,得到更为丰富的互补信息,改善了传统VGG网络由于多次卷积、池化操作后所导致的小尺度特征损失严重的问题;最后改进回归框参数以降低损失函数对遮挡区域的敏感度,通过边框回归得到遮挡区域的位置信息,提升了有遮挡情况下的人脸检测精度。实验结果表明,相较于PCANet、Faster RCNN及未添加OCC-Net的传统VGGNet等常用算法,本文算法在常用的FDDB以及RMFD等遮挡数据集上,均能更精确地定位被遮挡的人脸,证实了该算法的有效性和鲁棒性。
- 单位
