CenterFace: Face Detection and Alignment Using a Point on the Face

摘要

在缺乏约束条件的场景中，人脸检测与对齐任务往往需要运行于内存容量较小且运算能力有限的边缘计算设备上。本文设计了一种被命名为（CenterFace）的一阶段检测方法，该方法能够在保证高精度的前提下实现快速实时的人脸边界框及特征点位置预测。所提出的方案同样归属于无锚点检测类别。具体实现方式包括：（a）通过语义图谱学习人脸出现的可能性；（b）对边界框、偏移量以及可能包含人脸的各位置的五个关键特征点进行学习。进一步而言，该方法可在单个CPU核心上实现实时处理，在NVIDIA 2080TI显卡的支持下，能够以每秒200帧的速度处理VGA分辨率图像，并在多个测试集上取得较高的准确率（Wider Face Val/Test 简单:0.935/0.932，中等：0.924/0.921，困难：0.875/0.873和FDDB不连续：0.980，连续：0.732）。Center Face Demo演示程序可通过以下网址获取：https://github.com/Star-Clouds/CenterFace.

1 引言

人脸检测与对齐是计算机视觉及模式识别领域中的基础性问题之一，常被应用于移动设备和嵌入式系统中。这类设备普遍具备有限的存储空间以及较低的运算能力。因此，有必要在确保高精度的同时实现快速的人脸框与特征点位置预测。

近年来，随着卷积神经网络（CNN）技术取