基于深度学习的视频人脸检测

这里旨在说明开发前大致准备工作，未记录详细开发过程，可参考 项目Commit记录

[TOC]

前期调研

网上查看相关论文、博客、github源码

方案选型

选择原则

• 时间成本

  完成视频中人脸检测项目，时间进度上还是很紧张的，确定方案要参考时间限制

• 投入成本

  偏向短期时间节点内能快速上手且使用的方式

• 检测效率

  视频中包含大量的帧画面，所以对于检测的速度方面选择尽可能快速的

网上查看相关检测的资料，选择了各个方面综合能力较好的预选方案，并做出对比。

模型	速度	精度	成本	小物体	训练周期
OpenCV + CNN	快	一般	一般	一般	短
YOLO/YOLO2	一般	高	高	较低	长
SSD	一般	高	高	高	长

由于人脸在视频画面中相对较小，因此这里没有选择在小物体检测上有劣势的YOLO模型。OpenCV + CNN的方式精度上虽然不高，但是处理速度还是蛮快的，在实时检测方面效果不错，于是将该方案作为兜底方案。SSD模型检测是目前调研出的各方面相对表现都比较优异的，作为最终选择方案。

即：选择OpenCV + CNN作为兜底方案，SSD作为最终方案。

数据收集

Pubfig数据

处理脚本

由于版权问题，数据源是以链接的形式存在，于是下载脚本对链接图片进行下载，下载过程很多图片无法下载，无奈放弃该数据源。

爱情公寓

处理脚本

• OpenCV对视频的每一帧进行人脸检测
• 将检测区域抠下来保存为人脸图片的数据源
• 对该部分数据源进行手动分类

模型训练

CNN分类模型

由于人脸的图片比较小，再加上类别数量不多，所以这里用的是小型的CNN网络，结构如下

def build_model(self):
	model = Sequential()
	model.add(Conv2D(8, (3, 3), activation='relu', input_shape=(128, 128, 3)))
	model.add(MaxPooling2D(pool_size=(2, 2)))
	model.add(Dropout(0.25))
	model.add(Conv2D(16, (3, 3), activation='relu'))
	model.add(MaxPooling2D(pool_size=(2, 2)))
	model.add(Dropout(0.25))
	model.add(Flatten())
	model.add(Dense(256, activation='relu'))
	model.add(Dropout(0.5))
	model.add(Dense(8, activation='softmax'))
	return model

SSD检测模型

SSD模型是在基于keras的SSD开源项目进行改造的，主要替换训练数据的载入方式和输出的类别。

模型测试

图片版测试

视频版测试 点击查看演示视频

参考链接

• R-CNN、SPP-NET、Fast-R-CNN、Faster-R-CNN、YOLO、SSD总结
• Pubfig数据源
• OpenCv的视频处理相关Api
• 基于Haar Cascades的人脸检测
• 基于深度学习的视频检测