简介：人脸检测作为计算机视觉技术的重要组成部分,已广泛应用于欺诈防范、情感分析、年龄预测等领域.然而,随着移动设备和智能摄像头的普及,图像和视频数据的获取变得更加便捷,而设备的计算能力有限,亟需更快速、高效的人脸检测算法.为此,提出一种集成人脸关键点的轻量化YOLOv7人脸检测算法,旨在实现人脸的高效检测,以适应算力有限的移动和嵌入式设备.该算法首先使用计算效率更高的GhostNet V2轻量化模块替换YOLOv7的ELAN模块,使模型参数量下降63.9%;其次,将改进后的PFLD人脸关键点检测算法集成到YOLOv7的Head部分,以适应人脸样本姿态多样、图像质量不一、数据集样本分布不均衡等问题,形成一个以人脸检测为主、人脸关键点检测为辅的多任务人脸检测网络.在WIDER FACE数据集上的实验结果表明,所提算法在Easy、Medium和Hard 3个子集上分别达到95.9%、93.5%和83.5%的平均精度,相较原始YOLOv7模型分别提升了3.8%、2.9%和4.1%,同时模型参数量减少了41%,是一种快速、高效的人脸检测算法.展开
