移动域中的局部人脸检测

通用人脸检测算法在移动领域表现不佳，因为存在大量遮挡和局部可见人脸。处理局部人脸挑战的一种有前景的技术是基于面部片段设计人脸检测器。本文讨论了两种基于面部片段的人脸检测方法：基于候选框的检测和通过端到端回归的检测。遵循第一种方法的方法依赖于生成包含面部片段信息的候选框。本文讨论的遵循该方法的三个检测器，即基于面部片段的人脸检测器(FSFD)、SegFace和DeepSegFace，基于从面部片段学习的特征对每个候选框进行二分类。然而，候选框生成过程需要单独处理，这可能非常耗时，并且鉴于主动认证问题的性质，并非真正必要。因此，提出了一种新算法，即基于深度回归的用户图像检测器(DRUID)，它从分类范式转向回归范式，从而免去了候选框生成的需要。DRUID具有独特的网络架构和定制的损失函数，利用新颖的数据增强方案以相对较少的数据进行训练，并且速度快，因为它一次性输出人脸及其片段的边界框。基于面部片段的人脸检测方法天生对遮挡鲁棒，尤其在精确率-召回率和ROC曲线方面，在两个移动人脸数据集上表现出优于其他最先进人脸检测器的性能。