田桂 謝凱

摘要：為提高視頻人臉檢測的準(zhǔn)確性，我們提出了LSTM-RBM-NMS模型下的視頻人臉檢測方法。該模型首先利用公開的視頻人臉數(shù)據(jù)集輸入長短期記憶網(wǎng)絡(luò)（Long Short-Term Memory， LSTM）網(wǎng)絡(luò)中，在 LSTM網(wǎng)絡(luò)中加入批量歸一化（Batch Normalization， BN）算法，在預(yù)訓(xùn)練的模型中，采用受限玻爾茲曼機(jī)代替全連接層。然后將預(yù)訓(xùn)練好的模型去除softmax分類器，使用支持向量機(jī)（Support Vector Machine， SVM）分類器進(jìn)行代替，最后采用非極大值抑制算法消除多余的窗口，最后得到視頻人臉檢測結(jié)果。實(shí)驗(yàn)結(jié)果表明，通過使用本文提出的LSTM-RBM-NMS模型，與傳統(tǒng)的視頻人臉檢測方法OpenCV和Viola Jones（VJ）相比，在相同閾值的情況下，視頻人臉檢測準(zhǔn)確率提高了3.3%～10.4%。

關(guān)鍵詞：視頻人臉檢測；長短期記憶網(wǎng)絡(luò)；批量歸一化算法；受限玻爾茲曼機(jī)；非最大抑制算法

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2019）04-0176-02

目前用戶進(jìn)行身份驗(yàn)證的方法主要是基于PIN模式的，這只在初始登錄期間提供身份驗(yàn)證。用戶在注冊時設(shè)定的密碼，很容易被網(wǎng)絡(luò)攔截，進(jìn)而被黑客破解，因此使用密碼進(jìn)行用戶身份認(rèn)證是極其不安全的。近年來，使用生物特征進(jìn)行用戶認(rèn)證已經(jīng)成為主流，例如基于觸摸手勢的系統(tǒng)、基于人臉的系統(tǒng)[1]和基于語音系統(tǒng)。近年來，隨著硬件設(shè)備更新地越來越快，對機(jī)器學(xué)習(xí)領(lǐng)域中的深度學(xué)習(xí)的探討已經(jīng)成了一種潮流。目前圖像處理最好的算法就是深度學(xué)習(xí)。與之相比，深度學(xué)習(xí)則能自動地對特征進(jìn)行提取和表示，而且一個高效的神經(jīng)網(wǎng)絡(luò)框架可以對抽象物體進(jìn)行解釋和分析。近十年來，許多學(xué)者對深度學(xué)習(xí)[2]的算法性能進(jìn)行了優(yōu)化，設(shè)計了卷積神經(jīng)網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu)框架。例如，Matthew Zeiler和Rob Fergus在神經(jīng)網(wǎng)絡(luò)中加入了批量歸一化算法[3]，它是一種非常有效的深度學(xué)習(xí)技術(shù)，極大地加快網(wǎng)絡(luò)收斂的速度。然而，近年來一些研究學(xué)者逐漸從圖像處理領(lǐng)域研究到視頻處理領(lǐng)域，與靜態(tài)圖像人臉檢測相比，視頻中的人臉具有更多的空間信息，包括無約束的姿態(tài)變化、光照變化、對象遮擋等。一些傳統(tǒng)的視頻處理方法可以在受限場景下工作，但無法處理各種變化的復(fù)雜場景。視頻人臉的處理非常復(fù)雜。而長短期記憶網(wǎng)絡(luò)[4]是針對視頻處理提出的。根據(jù)以往的研究證明，深度學(xué)習(xí)在語音識別、人臉識別、圖像分類、目標(biāo)檢測[5]等領(lǐng)域取得了重大進(jìn)步。

1 本文模型

針對視頻中的人臉檢測，本文采用長短期記憶網(wǎng)絡(luò)進(jìn)行特征提取，本文的模型如圖1所示。

我們將公開視頻數(shù)據(jù)集分為訓(xùn)練集和測試集，采用訓(xùn)練集進(jìn)行訓(xùn)練LSTM網(wǎng)絡(luò)，在訓(xùn)練的過程中，加入歸一化層，加快訓(xùn)網(wǎng)絡(luò)的收斂速度，同時使用隨機(jī)池化層進(jìn)行降維。我們采用RBM代替全連接層，進(jìn)一步對提取的特征向量進(jìn)行降維，這樣就可以減少計算代價。我們將預(yù)訓(xùn)練好的模型，移除softmax分類器用于視頻人臉的測試集上進(jìn)行提取人臉的深度特征，將這些特征采用SVM分類器進(jìn)行分類，SVM分類器泛化能力強(qiáng)，精度高。最后采用非最大抑制算法去除交叉重復(fù)，最后得到視頻人臉檢測的結(jié)果。

2 實(shí)驗(yàn)結(jié)果和分析

本文采用兩個公開的數(shù)據(jù)集，即YouTube視頻人臉數(shù)據(jù)集和IJB-A視頻人臉數(shù)據(jù)集。我們知道人臉檢測，閾值的選擇是非常重要的。因?yàn)殚撝档拇笮绊懭四槞z測的準(zhǔn)確性，所以分別選擇不同的閾值來進(jìn)行實(shí)驗(yàn)。根據(jù)圖2，我們可以看出，準(zhǔn)確率與人臉檢測閾值成反比，即隨著人臉檢測閾值的增大，準(zhǔn)確率反而呈現(xiàn)下降趨勢。

從圖中可以看出，值得注意的是閾值在0.1處時，人臉檢測的準(zhǔn)確率最高，而在0.3到0.5之間，可以看出準(zhǔn)確率下降的最快。在相同的閾值條件下，本文方法比其他方法具有更高的準(zhǔn)確性。

3 結(jié)論

本文提出的LSTM-RBM-NMS模型下的視頻人臉檢測方法，我們采用公開的兩個數(shù)據(jù)集預(yù)訓(xùn)練的LSTM網(wǎng)絡(luò)，同時加入歸一化算法，加快了網(wǎng)絡(luò)的收斂速度，采用RBM替換全連接層，降低了特征維度，即減少了計算代價，將預(yù)訓(xùn)練好的模型去除softmax分類器，采用SVM分類器替代用于檢測的視頻人臉幀上，，采用非最大抑制算法，獲得最好的人臉檢測區(qū)域，與傳統(tǒng)的方法相比，該模型極大地減少了網(wǎng)絡(luò)參數(shù)，加快了視頻人臉檢測的速度，同時提高了視頻人臉檢測的準(zhǔn)確率。

參考文獻(xiàn)：

[1] 廖延娜，馬超.基于稀疏表示的人臉識別系統(tǒng)設(shè)計與實(shí)現(xiàn)[J].電子設(shè)計工程，2016，24（17）：153-155.

[2] 丁冬兵.TL-CNN-GAP模型下的小樣本聲紋識別方法研究[J].電腦知識與技術(shù)，2018（24）.

[3] 張杰，陳懷新.基于歸一化詞頻貝葉斯模型的文本分類方法[J].計算機(jī)工程與設(shè)計，2016， 37（3）：799-802.

[4] 陳斌，周勇，劉兵.基于卷積長短期記憶網(wǎng)絡(luò)的事件觸發(fā)詞抽取方法[J].計算機(jī)工程，2018（9）.

[5] 李旭冬，葉茂，李濤.基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測研究綜述[J].計算機(jī)應(yīng)用研究，2017， 34（10）：2881-2886.

【通聯(lián)編輯：唐一東】