1、卷積神經網絡級聯(lián)的人臉測試來源CVPR 2015 paperA Convolutional Neural Network Cascade for Face DetectionHaoxiang Li, Zhe Lin, Xiaohui Shen, Jonathan Brandt, Gang Hua,組員：劉波、金壯、陳楠、松寨,一、介紹CNN二、如何實現(xiàn)基于CNN來檢測人臉三、最終結果展示,一、介紹CNN1.1CNN的原理 1-1,1.2CNN的模型（1）卷積 能夠將一個很多權值參數(shù)的圖像經過卷積核之后變?yōu)橐粋€權值參數(shù)很少的圖像。如圖1-1所示，在55的圖像和33的卷積核作卷積操作后，重新輸出一

2、個33的矩陣，稱為特征圖。這個掃描是可以有重疊部分的，就如同你的目光掃視也是連續(xù)一樣。,（2）池化 池化的作用就是減小特征圖，也就是壓縮，池化規(guī)模一般為22。常用的池化方法有： 最大值池化和均值池化。其中最大值池化就是就是取22中四個點的最大值；均值池化就是取22中四個點的平均值。圖1-2就是池化規(guī)模1010對特征圖處理，取其中最大一個特征值代表那一區(qū)域的特征值即圖中1。 圖1-2,（3）光柵化 圖像經過卷積、池化之后得到的是一些列的特征圖，而感知器輸入的是一個向量，因此需要將這些特征圖中的像素依次取出，排成一列向量。,1.3 CNN的優(yōu)點 傳統(tǒng)的檢測人臉都是基于各種模型的檢測方法，然后再經過

3、一系列的訓練和驗證來改價原有模型進而實現(xiàn)更加先進的檢測精度。 而CNN則與傳統(tǒng)的基于模型的方法不同，由于CNN具有強大的學習功能，它可以直接從圖像中學習分類器，而不是手工制作模型，可以更好的區(qū)分來自高度混亂背景的面孔同時，我們的檢測器比基于模型和基于示例的檢測系統(tǒng)快了許多倍。,二如何實現(xiàn)基于CNN來檢測人臉 2.1總體介紹檢測結構 一共為三階級聯(lián) 上圖就是人間檢測的過程： （1）是原始圖片經過12網絡和12校準網絡先后使用NMS去掉重合方框，剩余圖片經過裁剪和整理。 （2）整理過的圖片再經過24網絡和24校準網絡后再使用NMS去掉重合方框，再次經過裁剪和整理。 （3）整理過的圖片經過48網絡之

4、后進行全局NMS得到了唯一人臉方框，經過48校準網絡后得出最終人臉框。,2.2 12網絡 12網絡是指第一個CNN，12網絡是一種非常淺的二進制分類CNN，是用于快速掃描測試圖像。它的檢測窗口是1212，以4像素為間隔掃描尺寸為WH的圖像等價于用12網絡掃描整個圖像將會獲得(W-12）/4+1)(H-12)/4+1)信度分數(shù)圖，信度分數(shù)圖上面的每個點都是1212的檢測窗口。 CNN結構圖,2.3 12校準網絡 12校準網絡是指在12網絡之后的CNN用于人臉方框的校準，是一個淺的CNN。首先定義一個N，它是N個校準模式的三維縮放變化和偏離設置向量。 sn,xn,ynN n=1 sn0.83,0.91,1.0,1.10,1.21 xn0.17,0,0.17 N=533=45 yn0.17,0,0.17,12校準網絡的輸入圖像為N模式其中一個模式參數(shù)校準方框后的圖片。經過12網絡校準后可以得到一個信度分數(shù)C1，經過N次后可以得到C1,