作者:李振东; 钟勇; 陈蔓; 陶攀人脸检测人脸对齐卷积神经网络非极大值抑制
摘要:针对人脸相互遮挡、人脸朝向等不确定性因素给人脸检测和对齐任务带来的困难问题,提出了基于惩罚因子的PNMS算法用以改进人脸检测和对齐的准确性。该算法首先根据人脸候选窗口相互之间的重叠度和候选窗口相应的检测得分,提出非连续的线性函数和基于高斯分布的连续函数,作为非极大值抑制算法的两种惩罚因子,用以改进并替代传统非极大值抑制算法对候选窗口的检测得分进行重分配。在此基础上,综合前两种惩罚因子的优缺点以及窗口之间的重叠度值,进一步提出连续非线性函数作为非极大值抑制算法的惩罚因子,使得窗口之间重叠度值越大则相应的惩罚权重越严重,且函数在整个重叠取值区间连续。将提出的算法在FDDB和WIDERFACE这2个人脸检测数据集上进行详尽的人脸检测实验验证,以及在AFLW人脸对齐数据集上进行人脸对齐实验验证。结果表明,提出的基于惩罚因子的PNMS算法相比于其他算法,在保持一定实时性的同时不仅有效地提高了人脸检测和对齐的准确率和可靠性,并且解决了一定程度的人脸相互遮挡被漏检的问题,降低了被遮挡人脸的漏检率。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社