編者按：蘇軾在《題西林壁》中曾寫道：“橫看成嶺側(cè)成峰，遠(yuǎn)近高低各不同?！边@兩句詩闡釋了視角的變化對于視覺任務(wù)的影響。而在人臉識別領(lǐng)域，由于真實(shí)場景的復(fù)雜多變，受人體姿態(tài)和取景角度的影響，采集到的人臉圖像，時常會存在平面內(nèi)旋轉(zhuǎn)角度不確定等問題，這為人臉檢測以及基于人臉的視覺任務(wù)帶來了極大的挑戰(zhàn)。本文中，將為大家介紹中科院計(jì)算所VIPL組的CVPR2018新作：如何利用級聯(lián)矯正網(wǎng)絡(luò)，來實(shí)現(xiàn)實(shí)時、旋轉(zhuǎn)自適應(yīng)的人臉檢測。

本文將介紹我們的一篇實(shí)時旋轉(zhuǎn)不變?nèi)四槞z測的算法。


在體操、街舞、家庭合影等復(fù)雜的應(yīng)用場景，由于人體姿態(tài)和取景角度的變化，人臉不總是豎直的，有可能有各種各樣的平面內(nèi)旋轉(zhuǎn)角度。旋轉(zhuǎn)不變?nèi)四槞z測算法目標(biāo)是精確的檢測這種旋轉(zhuǎn)的人臉。多樣的平面內(nèi)旋轉(zhuǎn)角度，使得人臉的表觀變化非常大，為旋轉(zhuǎn)不變?nèi)四槞z測帶來了極大的挑戰(zhàn)性。


有很多已有的工作嘗試解決旋轉(zhuǎn)不變?nèi)四槞z測。最簡單直接的方法就是基于數(shù)據(jù)増廣的方法，在訓(xùn)練階段將人臉旋轉(zhuǎn)到任意角度。這樣做的優(yōu)點(diǎn)是測試階段沒有額外的時間開銷；缺點(diǎn)是旋轉(zhuǎn)人臉的表觀變化非常大，需要使用一個計(jì)算量較大的網(wǎng)絡(luò)才能保證檢測的精度，這在一些對實(shí)時性要求高的應(yīng)用中是不實(shí)用的。


另外一種策略就是分治。可以訓(xùn)練一個豎直人臉檢測器，在測試階段，將待檢測圖像旋轉(zhuǎn)多遍進(jìn)行檢測，這樣也可以實(shí)現(xiàn)任意旋轉(zhuǎn)角度人臉的檢測。豎直人臉檢測器的計(jì)算量是相對較小的，但是檢測多次也會使得時間開銷成倍增長，而且?guī)砀嗟恼`檢測。


還有一種方法是先將旋轉(zhuǎn)的人臉轉(zhuǎn)正然后再進(jìn)行檢測。具體而言，可以先使用一個旋轉(zhuǎn)路由網(wǎng)絡(luò)，預(yù)測候選人臉框的旋轉(zhuǎn)角度，然后轉(zhuǎn)正人臉，之后可以使用一個豎直人臉檢測器完成檢測。然而，精確的預(yù)測人臉的旋轉(zhuǎn)角度本身也是一個很難的任務(wù)，旋轉(zhuǎn)角度預(yù)測錯誤也會降低檢測精度。


目前的許多旋轉(zhuǎn)不變?nèi)四槞z測算法需要在精度或者速度上進(jìn)行妥協(xié)。我們提出的PCN算法目標(biāo)是在保持很低的計(jì)算量的前提下，實(shí)現(xiàn)精準(zhǔn)的旋轉(zhuǎn)人臉檢測。


在CVPR 2015上提出了Cascade CNN人臉檢測方法，即通過級聯(lián)多個CNN逐步過濾非人臉樣本。之后提出的MTCNN對Cascade CNN改進(jìn)，將分類、邊框回歸、特征點(diǎn)三個任務(wù)合并，利用不同任務(wù)相關(guān)性實(shí)現(xiàn)多任務(wù)學(xué)習(xí)提升性能。Cascade CNN、MTCNN算法在豎直人臉檢測上可以實(shí)現(xiàn)出很好的效果，但在旋轉(zhuǎn)不變?nèi)四槞z測上仍有提升空間。我們的PCN由CNN級聯(lián)組成，這點(diǎn)借鑒于Cascade CNN。PCN中的每一級CNN都是一個多任務(wù)網(wǎng)絡(luò)，同時學(xué)習(xí)人臉非人臉判別、邊框回歸、旋轉(zhuǎn)角度校準(zhǔn)三個任務(wù)。


在測試階段，首先使用滑動窗口與圖像金字塔的方式產(chǎn)生候選窗口，然后送入網(wǎng)絡(luò)開始檢測。每一級網(wǎng)絡(luò)過濾掉部分非人臉窗口，根據(jù)邊框回歸結(jié)果調(diào)整候選框位置，然后根據(jù)預(yù)測出的旋轉(zhuǎn)角度校準(zhǔn)窗口的角度，具體來講：
第一級網(wǎng)絡(luò)預(yù)測旋轉(zhuǎn)角度使用二分類的方式，只預(yù)測人臉朝上或者朝下，朝下的人臉會被翻轉(zhuǎn)，經(jīng)過第一級后人臉旋轉(zhuǎn)角度范圍從360度縮減為180度；
第二級網(wǎng)絡(luò)預(yù)測旋轉(zhuǎn)角度使用三分類的方式，只預(yù)測人臉朝上、朝左或者朝右，朝左或右的人臉會被翻轉(zhuǎn)為朝上，經(jīng)過第二級后人臉旋轉(zhuǎn)角度范圍從180度縮減為90度；
在第三級旋轉(zhuǎn)范圍已經(jīng)比較小，所以第三級網(wǎng)絡(luò)直接回歸旋轉(zhuǎn)角度。
通過逐漸減少人臉的旋轉(zhuǎn)變化，可以顯著降低人臉與非人臉分類的難度，進(jìn)而提升檢測精度。在第一級和第二級采用只預(yù)測粗糙朝向的方式，可以使得旋轉(zhuǎn)角度預(yù)測的精度大大提高且速度更快。


在PCN中，存在兩個級聯(lián)結(jié)構(gòu)。第一個是人臉與非人臉的級聯(lián)分類，這點(diǎn)與Cascade CNN一致。先使用小的CNN過濾簡單負(fù)樣本，再用大的CNN判別難負(fù)樣本，這種方式可以極大地提升檢測速度。


第二個級聯(lián)結(jié)構(gòu)是旋轉(zhuǎn)角度的級聯(lián)校準(zhǔn)。PCN的級聯(lián)校準(zhǔn)屬于一種由粗到精的級聯(lián)回歸模式，與人臉特征點(diǎn)估計(jì)、人體姿態(tài)估計(jì)思想類似。人臉的旋轉(zhuǎn)角度等于三級網(wǎng)絡(luò)預(yù)測結(jié)果之和。


級聯(lián)校準(zhǔn)模式，將難度較大的旋轉(zhuǎn)角度預(yù)測分解為多個任務(wù)，每一個任務(wù)都會比較簡單，這使得整個校準(zhǔn)的難度降低。在第一級和第二級只預(yù)測粗糙朝向有兩個原因，第一是粗糙朝向預(yù)測的精度更高，剛開始就直接回歸角度誤差會很大；第二是可以避免傾斜的圖像crop操作，可以大大提高速度。


在實(shí)現(xiàn)人臉窗口旋轉(zhuǎn)校準(zhǔn)操作時，即使只是對窗口做計(jì)算低廉的翻轉(zhuǎn)操作，如果窗口數(shù)目很大時，速度仍然很慢。我們可以先將輸入圖像翻轉(zhuǎn)三次，得到上下左右四個朝向的圖像。這樣將一個人臉旋轉(zhuǎn)到某個角度，等價于去對應(yīng)角度的圖像上crop人臉。此策略可以將與窗口數(shù)量成正比的校準(zhǔn)操作時間縮減為常數(shù)時間，效率大大提高。


為了驗(yàn)證我們的算法的有效性，我們比較了常見的各種旋轉(zhuǎn)不變?nèi)四槞z測算法。


FDDB是一個常用的人臉檢測評測集，但是主要包括豎直人臉，我們將FDDB旋轉(zhuǎn)到上下左右四個方向來評測旋轉(zhuǎn)不變?nèi)四槞z測算法?？梢钥闯鑫覀兊乃惴ň扰cFaster RCNN（VGG16）和SSD500（VGG16）精度相當(dāng)，在誤檢測較少時候PCN會更好一些。與Cascade CNN等其他方法相比，PCN的精度有明顯提升。


我們從WIDER FACE中挑選了一部分旋轉(zhuǎn)人臉的圖像進(jìn)行算法評測。這個數(shù)據(jù)集上的測試結(jié)果進(jìn)一步證明了PCN的有效性。


下面結(jié)合速度、精度、模型大小進(jìn)行綜合的分析。PCN是一個可以在CPU上也實(shí)時運(yùn)行的算法，模型大小和速度都遠(yuǎn)優(yōu)于Faster RCNN、SSD、R-FCN算法。同時可以看到，PCN相比Cascade CNN，速度幾乎一樣，但精度有明顯提高，這得益于我們快速準(zhǔn)確的漸進(jìn)校準(zhǔn)策略。


這是PCN算法的一些檢測結(jié)果，可以看出PCN算法可以精準(zhǔn)的檢測任意平面內(nèi)旋轉(zhuǎn)角度的人臉，且對膚色、光照、視角魯棒。


總結(jié)一下，PCN是一個快速、魯棒、準(zhǔn)確的旋轉(zhuǎn)不變?nèi)四槞z測算法，在實(shí)際中有良好的應(yīng)用前景。