陳雪婷 浙江經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 圖書信息中心

1 引言

隨著智慧城市概念的提出，智慧校園作為數(shù)字化校園的高級(jí)形態(tài)已逐漸成為高校信息化建設(shè)的熱點(diǎn)。近年來，隨著視頻監(jiān)控與互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展與普及，將其應(yīng)用在高校信息化建設(shè)當(dāng)中已成為普遍現(xiàn)象。相比以往人工找出人臉位置以完成人臉檢測，智能化的人臉檢測技術(shù)不僅能極大的減少時(shí)間和精力的消耗，對(duì)于校園內(nèi)敏感區(qū)域（如校長室、財(cái)務(wù)室、機(jī)房等）出現(xiàn)的異常情況也能及時(shí)報(bào)警。雖然人臉檢測已經(jīng)經(jīng)過幾十年的研究，但目前較成熟的人臉檢測技術(shù)在處理多種非理想條件下的檢測問題時(shí)仍存在挑戰(zhàn)。本文將深度學(xué)習(xí)理論引入視頻人臉檢測，通過建立類似于人腦分層次學(xué)習(xí)的機(jī)制，對(duì)輸入數(shù)據(jù)逐級(jí)提取從底層到高層的特征。同時(shí)，通過深度學(xué)習(xí)逐層構(gòu)建的多層網(wǎng)絡(luò)使其能學(xué)習(xí)隱藏在數(shù)據(jù)內(nèi)部的關(guān)系，從而使學(xué)習(xí)到的特征更具推廣性和表達(dá)力。為了避免數(shù)據(jù)維度轉(zhuǎn)換對(duì)檢測結(jié)果的影響，本文采用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)對(duì)視頻圖像進(jìn)行全局掃描，利用多層次的卷積和采樣保留下圖像中的人臉區(qū)域，最后將這些區(qū)域在視頻圖像中框出以完成人臉檢測。

2 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種共享權(quán)值的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，其結(jié)構(gòu)如圖1所示。

圖1 卷積神經(jīng)網(wǎng)絡(luò)

它由多個(gè)相鄰的卷積層Ci和采樣層Si組成（圖1中僅畫了兩層），每一層都是由多個(gè)二維平面組成。其中，卷積層是由多個(gè)不同的卷積核與前一層每一個(gè)二維平面卷積得到。卷積過程如下：

卷積核每次只作用于輸入平面的局部區(qū)域，稱該小區(qū)域?yàn)榫植扛惺軈^(qū)域，該感受區(qū)域經(jīng)過卷積映射操作后產(chǎn)生的值賦給卷積層中對(duì)應(yīng)二維平面上對(duì)應(yīng)位置的神經(jīng)元，因此該神經(jīng)元的值保留了該感受區(qū)域的某一特征屬性，而該神經(jīng)元的位置保留了感受區(qū)域的位置信息。不同的卷積核用于提取不同的特征信息，同一卷積核在二維平面中滑動(dòng)以判斷不同位置上是否具有該卷積核所表示的特征。

采樣層是對(duì)卷積層中每一個(gè)二維平面上的每一個(gè)m×m小區(qū)域進(jìn)行采樣，即

CNN這種局部權(quán)值共享的特殊性不僅降低了神經(jīng)網(wǎng)絡(luò)的復(fù)雜度，同時(shí)使其對(duì)尺度縮放、平行移動(dòng)、旋轉(zhuǎn)等各種形式變化具有較高的不變性，而不同卷積核之間相互無影響使得CNN得以并行訓(xùn)練。另外，卷積層和采樣層相鄰的設(shè)計(jì)模式也更接近于真實(shí)的生物神經(jīng)結(jié)構(gòu)，將其應(yīng)用于多維圖像處理中可以避免在特征提取和分類過程中由于數(shù)據(jù)重建而引起的復(fù)雜度。

3 實(shí)驗(yàn)結(jié)果與分析

本文利用caffe構(gòu)建具有5層卷積層、5層采樣層的卷積神經(jīng)網(wǎng)絡(luò)，其中卷積層的映射函數(shù)采用ReLU函數(shù)，采樣層的采樣函數(shù)為3×3區(qū)域內(nèi)各像素值的最大值，最后的分類函數(shù)采用sigmoid函數(shù)。

本文通過LFW人臉庫和CAS-PEAL人臉庫來完成卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。分別從LFW人臉庫中選取6000張的人臉圖，從CASPEAL人臉庫中選取5000張人臉圖，歸一化到33×33大小，構(gòu)成訓(xùn)練的人臉樣本集。同時(shí)，構(gòu)造10000張不含人臉的樣本集，同樣將大小歸一化為33×33，構(gòu)成訓(xùn)練的非人臉樣本集。

通過隨機(jī)地從LFW人臉庫中選取除訓(xùn)練樣本外的6000張人臉圖測試本文方法對(duì)單人臉的檢測性能。檢測結(jié)果表明，本文方法能實(shí)現(xiàn)98.7%的正確檢測率。利用PKU-SVD-B數(shù)據(jù)集進(jìn)行多人臉檢測，實(shí)驗(yàn)結(jié)果表明本文方法對(duì)于多人臉圖，其誤檢率低于3.5%，漏檢率低于11.5%，具有較好的檢測效果。

4 結(jié)束語

針對(duì)智慧校園監(jiān)控系統(tǒng)所獲得的多人臉多角度的檢測特性，本文提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的視頻人臉檢測算法。該算法利用深度學(xué)習(xí)對(duì)人腦視覺神經(jīng)系統(tǒng)的模擬逐級(jí)提取從底層特征到高層語義，根據(jù)最后的語義特征準(zhǔn)確地實(shí)現(xiàn)非理想條件下的視頻人臉檢測。卷積神經(jīng)網(wǎng)絡(luò)相比于其他深度學(xué)習(xí)網(wǎng)絡(luò)，具有權(quán)值共享特性，能避免數(shù)據(jù)維度的變化從而較好的實(shí)現(xiàn)對(duì)二維圖像的特征提取。仿真實(shí)驗(yàn)表明，該算法不僅對(duì)單人臉圖像具有很好的檢測性能，同時(shí)對(duì)多人臉圖像也能實(shí)現(xiàn)較低的漏檢率和誤檢率。