基于多层次特征的高效车脸定位方法

针对现有车辆型号识别系统的车脸定位在无车牌情况下无法定位的问题,提出一个利用高效的卷积神经网络来检测车脸的方法。首先,构建一个区域候选网络去预选目标可能出现的位置。其次,使用改进的多层次卷积神经网络去提取不同尺寸的图像特征,再次,增加smooth和softmax构成车脸检测网络,该网络有两个输出:车脸位置和种类。一方面,通过softmax分类器对车脸预测区域做分类并计算得分,另一方面,通过smoothl1层对车脸位置做回归,通过不断训练来优化车脸位置和种类,最终达到最优解。最后,输出车脸位置以及属于车脸类别的精度。相对于faster-rcnn目标检测方法,提出的区域候选和特征提取网络采用参数共享的方式连接,有效减少网络参数,使得网络更容易收敛。其次,采用C.Re Lu函数作为激活函数,可以有效降低网络参数;另外,使用inception结构优化网络参数并提取不同层次特征,在保证精度的情况下提高效率。实验结果表明,在卡口车辆抓拍数据上,实现了97.8%的高检测精度(IOU>0.8时计算)以及每张检测耗时45ms的实时处理效率。