基于神经网络的轻量级的小人脸检测

广东工业大学 吴俊鹏

在当前人工智能高速发展的社会环境下，学术界的落地成为一大重要议题，而人脸检测对识准确率要求十分高，对落地更加显得十分重要。本方法提出基于卷积神经网络结构进行对小目标人脸和特定场景人脸等恶劣环境进行人脸检测，速度能达到实时，准确在widerface等数据集上达到较好表现，真正能落到工业场景的稳定算法。受野和有效感受野的关系，引入感受野客服之前锚点策略的缺点，我们提出一个有常规层的骨架做准确和快速的人脸检测。2 轻量和快速人脸检测器

感受野是输入图像的影响因子，可以让相关神经元激活。一个高相关的感受野可以让目标物体很好的被检测。通常，浅层神经元的感受野比较小，而深层神经元的感受野比较大。感受野的一个重要性是每一个输入像素贡献不同的神经元激活。像素在感受野中间会尤其地影响，而远离中心的影响会降低，这种现象叫做有效感受野。有效感受野固有地存在于神经网络中并以高斯形式分布（陈立阳，赵逢禹，基于深度学习的重叠人脸检测：计算机技术与发展，2020）。基于以上理解，面部的不同大小需要不同的感受野策略：对小脸，有效感受野用充足的内容信息覆盖面部，对于中等脸，有效感受野用很小的内容信息包含脸部，对于大脸，仅仅只用足够的感受野。因此提出骨架如图1所示。一阶段的检测器大多让锚点来决定，然而这些锚点总是冗余的。使用1:1比率在锚点当中占最多。在相同的神经云当中，感受

1 介绍

人脸检测是计算机视觉的长期存在的问题。在各个行业当中迫切需要人脸识别生产力，而人脸检测又是人脸识别的关键前提（欧阳军林，黄井滔，张啸，基于深度学习的人脸识别系统：当代教育理论与实践，2019）。人脸检测器可用于边缘计算，例如移动电话，网络摄像头，物联网传感器。但这些设备内存低，和计算能力低，人脸检测器的高准确率和实时需求发挥不到出来。

目前大多高准确率的采用加深神经网络深度来提高人脸检测的准确率，随之会增多权重参数的数量和运行次数，检测时间会大幅增加，达不到实时检测的效果，目前业界在实时检测上要求十分高，在大规模人脸检测时间会更加增大。所以在此环境下，改变神经网络结构显得异常重要，而在目前主流算法当中又以mobilenet为骨架的网络结构检测效果较为表现突出（张立亮，腾国伟，范涛，李聪，旋转人脸检测算法：计算机应用与软件，2019）。

同时考虑到准确率和运行效率，本文中为边缘设备提出一个轻量和快速的人脸检测器。

这个检测器是一阶段检测，锚点是SSD算法的一个重要特性，这些锚点框的大小都是不同和长宽比例不同，因此在一些作者会采用复杂锚点策略来优化算法。然而这些策略也会有一些缺点，例如：锚点覆盖不到人脸。

所以，本文认为特征层上的神经元的学习，是锚点的自然优化。RF可以预测连续大小的脸，并且匹配策略更加清晰。感受野的数量和自然分布在输入图像上面。在感受野的数量上采用有效感受野。主体骨架网络用了8个检测分支（朱鹏，陈虎，李科，程宾洋，一种轻量级的多尺度特征人脸检测方法：计算机技术与发展），基础骨架只用了残差网络和Relu激活函数，因此可以比VGG,Resnet50和Densenet121等网络轻量。最终模型参数大小仅为2.1M，本文主要贡献有，研究感图1 骨架网络结构

野的数量固有地被网络决定。作为匹配策略，感受野只有匹配到真实检测框的时候认为是准确的。在典型方法S3FD当中，尤其会分析锚点增强对于小脸的影响。我们提出的RF策略可以自然地控制连续脸部大小，例如输入为100像素的感受野可以预测20像素到40像素的人脸，这个方法下，锚点平衡问题得到很好的解决并且每一张人脸都可以兼顾到。

我们设计了一个特别的骨架做人脸识别，RF认为已经学习到的人脸面部特征是鲁棒的并且各不相同，尽管步长可以确保100%的覆盖。可以检测像素为10以上的人脸，整个骨架有4部分，小人脸有10个卷积层，开始两层进行下采样。一个关键准则是：输入的下采样尽可能覆盖到人脸，从而引申出两个损失函数的分支。小人脸部分包含两段连续的人脸大小，在开始部分进行两倍的下采样，

• 163 •

ELECTRONICS WORLD・技术交流RF提升速度是微小人脸的两倍，需要的卷积层会更少。而中型的人脸几乎和小人脸部分差不多，仅仅只有一个分支。骨架最后，大人脸检测部分有7个卷积层，由于没有小的特征图，在没有太多计算下可以容易的扩大检测比例。

只用一个接口提出的方法可以检测从像素10到像素560，整个骨架包含3*3的卷积层和1*1的卷积层和relu的激活层和残差层（刘雪燕，李明，基于深度学习混合模型的人脸检测算法：信息与电脑(理论版)，2019）。取消BN也是本方法的一个重要实践，可以极大的降低检测时间。每一张图的检测时间可以降低2.3ms。

表2 和主流算法的速度比较

=

4 结论

本文介绍了一个轻量快速的人脸检测器，重新理解感受野在人脸检测背景的作用，抛弃锚点的方法克服了其速度慢的缺点。并且可以对连续的人脸比例进行预测，在研究了有效感受野和面部比例关系之后，我们设计出简单而有效的8个检测分支。拥有更少过滤层接口速度更快。对于落地到工业界可以达到实时效果，并且可以达到主流算法的检测准确率。

作者简介：吴俊鹏（1994—），男，广东广州人，硕士，研究方向：深度学习，计算机视觉。

3 实验结果

在winderface数据集上与主流算法对比，也能达到很高的准去率，如表1所示。而速度可以达到7.3ms的预测时间如表2所示。

表1 和主流算法的准确率比较

为促进工业发展更加稳定、安全，本文对工业控制系统漏洞扫描与挖掘技术进行研究。首先，对工业控制系统漏洞分类与现状进行分别解析，而后对工业控制系统漏洞扫描与挖掘技术进行列举，如系统漏洞的扫描技术包括工控通信协议支持、存活判断、端口扫描、服务识别、操作系统判断等方式。而漏洞挖掘技术的种类较多，包括动态测试技术与静态测试技术两个大类别。动态测试技术还可分为模糊测试技术、双向测试技术、风暴测试技术几种；而静态分析技术则包括静态代码审计、逆向分析、二进制补丁对比等几个类别，技术人员可以依据实际情况进行技术对应，以期获得更好的漏洞检测效果，

工业控制系统漏洞在工业控制系统运作过程中的每个生命周期阶段都可能出现。因此，当工业控制网络遭到攻击时，通常情况下都是利用网络协议或病毒对系统进行入侵与操控的，入侵的途径有很多，包括办公网络、互联网、虚拟专网等，即便是现场设备没有接入任何网络，仍可能会受到通过可移动存储以及工程师维护接入设备所传播的恶意软件，攻击工业控制系统安全漏洞。

位置进行分类，分为上机位漏洞与下机位漏洞；如果根据设备与系统类型进行划分，则可以分为软件漏洞、远程终端单元漏洞、PLC漏洞、网络设备漏洞等；如果根据漏洞产生的原因进行分类，则可分为缓冲区溢出、Sill劫持、安全绕过、固件后门、暴力破解、代码注入、文件包含、任意文件上传等。1.2 现状

随着时代的发展与进步，逐渐衍生出的工业控制网络安全问题种类逐渐丰富，影响范围也在不断扩大。尤其是2010年出现震网事件后，这类问题发生的频率逐渐提升。数据显示，截止到2015年，ICS-CERT系统收录的攻击事件已接近300件。与此同时，2012年到2015年，三年的时间，互联网上披露出的工业控制系统漏洞就多达上千个。这些漏洞涵盖的范围非常广泛，不仅包括很多知名工控设备产品的生产厂家。漏洞的严重等级也较高，多为中高危类型漏洞。同时，这些漏洞影响

浙工江安业点科控技制有限系责统任公漏司洞杨扫磊

1 工业控制系统漏洞分类与现状

1.1 分类

通常情况下，工业控制系统漏洞主要是按照工控系统的

描与挖掘技术研究• 1 •