面向視頻人臉檢測的深度學(xué)習(xí)算法研究.pdf

1、人臉檢測是人臉識別、表情分析、人臉跟蹤等人臉信息處理前提和基礎(chǔ)。隨著視頻監(jiān)控覆蓋面的不斷擴(kuò)大，人臉監(jiān)控所具有的不易被觀測對象發(fā)現(xiàn)的顯著優(yōu)勢使得視頻人臉檢測被越來越多的應(yīng)用在了犯罪分析、智慧安防、人工智能等領(lǐng)域?，F(xiàn)有的視頻人臉檢測算法在處理非理想條件（包括背景復(fù)雜、光照影響、人臉旋轉(zhuǎn)等等）下的檢測問題，往往僅針對其中某種情況有較好的效果，當(dāng)多種非理想條件并存時(shí)，檢測性能急速下降。而實(shí)際的視頻信息中多種非理想條件并存是常態(tài)，因此針對這種復(fù)雜

2、條件下的視頻人臉檢測，本文引入深度學(xué)習(xí)理論并結(jié)合視頻幀間的連續(xù)性，探討具有較強(qiáng)魯棒性、誤檢率和漏檢率低，且檢測速度快的方法，以期為智能監(jiān)控及智慧安防提供基礎(chǔ)支持。具體研究內(nèi)容如下：
　　首先，以深度學(xué)習(xí)理論和人臉檢測神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，提出一種級聯(lián)型概率態(tài)受限玻爾茲曼機(jī)學(xué)習(xí)網(wǎng)絡(luò)以實(shí)現(xiàn)視頻單幀的人臉檢測。它首先利用概率態(tài)受限玻爾茲曼機(jī)（Probability state-Restricted Boltzmann Machine，P-RB

3、M）中神經(jīng)元的概率表征來模擬人腦神經(jīng)元所具有的連續(xù)分布激活狀態(tài)，然后通過級聯(lián)多個(gè)P-RBM構(gòu)建深度學(xué)習(xí)檢測網(wǎng)絡(luò)來仿真人腦對視覺的層次學(xué)習(xí)模式，并以逐層遞減隱藏層神經(jīng)元數(shù)來控制網(wǎng)絡(luò)規(guī)模，最后采用分層訓(xùn)練和整體優(yōu)化的機(jī)制來緩解魯棒性和準(zhǔn)確性的矛盾。該算法利用學(xué)習(xí)網(wǎng)絡(luò)在充分提取輸入數(shù)據(jù)各層次特征的基礎(chǔ)上建立從底層特征到高層語義的映射，繼而獲得輸入數(shù)據(jù)的語義信息以準(zhǔn)確地完成檢測任務(wù)。
　　其次，上述這種面向視頻單幀的人臉檢測并未利用視頻特

4、有的幀間連續(xù)性信息。因此，在上述研究基礎(chǔ)之上，進(jìn)一步研究視頻幀間的連續(xù)性，提出多幀間信息融合的視頻人臉檢測算法。針對視頻單幀的人臉檢測結(jié)果，它首先利用人臉膚色區(qū)域長寬比去除部分誤檢區(qū)域，其中長寬比允許范圍的設(shè)定采用自適應(yīng)更新方式以獲得檢測視頻最適宜的邊界條件，然后通過視頻幀間人臉位置變化規(guī)律估計(jì)當(dāng)前幀的檢測結(jié)果，并與真實(shí)檢測結(jié)果進(jìn)行對比，利用對比規(guī)則對檢測結(jié)果進(jìn)行修正，刪去誤檢區(qū)域，補(bǔ)上漏檢區(qū)域，提高算法的檢測準(zhǔn)確率。
　　實(shí)驗(yàn)數(shù)