基于改进YOLOv3自然场景下遮挡人脸快速检测方法
张悦1
张鹏2
马清华2
1.中北大学计算机科学与技术学院 太原 030051;中北大学前沿交叉科学研究院 太原 0300512.中北大学仪器与电子学院 太原 030051;中北大学前沿交叉科学研究院 太原 030051
摘要：针对自然场景下人脸图像进行人脸检测时易受到光照变化、部分遮挡、不同人脸姿态等复杂情况影响,该文提出一种复杂场景下快速检测遮挡人脸的新模型DDH-YOLOv3.首先,引入改进的多尺度DRFBs视野感受模块并且优化了网络结构来增大网络感受野并加强特征提取能力;其次,对CBAM模块做了针对性的改进,引入ECA模块替换通道域以降低模块复杂性并采用并行嵌入的方式进一步提高模型对遮挡人脸特征的提取能力;最后,为了降低模型对遮挡人脸的漏检率,改用了DIoU作为边界框损失函数,以及为了更好地适应实际场景的要求,自建了包含光遮挡、实物遮挡、自遮挡以及清晰的大量人脸照片的数据集.经实验验证:在自建遮挡人脸数据集上改进后模型比YOLOv3的平均精度(mAP)提升了5.69%,每秒检测帧数(FPS)提升了28.81 s.同时,提出的算法针与其他几种先进目标检测算法相比在自然场景下遮挡人脸快速检测任务更具有竞争力.最后,论文将改进后的算法移植到ZYNQ平台进行测试.
关键词：遮挡人脸检测YOLO卷积神经网络感受野注意力模块
分类号：TN911.73(通信)
资助基金：技术领域基金项目(2021-JCJQ-JJ-0726)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3507-3512 )
英文信息