计算机工程

作者：毛雨晴, 赵奎

单位：四川大学 网络空间安全学院, 成都 610065

关键词：人头检测,深度学习,YOLOv5算法,人脸隐私,目标检测

基金：国家自然科学基金（61872254）。

针对目前监控摄像头预置检测算法存在人脸隐私泄露风险的问题，提出一种基于YOLOv5结构的多任务安全人头检测算法Privacyface-YOLO及轻量级检测版本Privacyface-YOLO （Light）。Privacyface-YOLO的主干网络采用带残差结构的跨阶段局部网络ResCSP，通过残差结构降低特征学习的复杂度，提升网络对人头特征的提取能力。轻量级版本Privacyface-YOLO （Light）使用深度可分离卷积替换ResCSP模块，以减少计算量并提升网络的运行速度。模型的颈部模块引入特征金字塔与路径聚合网络，实现跨层多尺度信息交流，提升模型在复杂人头与小目标场景下的鲁棒性。对提取出的特征进行三分支输出，其中目标定位分支用于定位人头坐标，人头分割分支生成覆盖人头的掩膜以保证人脸隐私，人数回归分支获得图像中的人头总数，通过多任务三分支结构保护人脸隐私同时满足更加复杂的场景需求。实验结果表明，Privacyface-YOLO算法能够有效完成实时人头检测任务并保护人脸隐私，相较目前主流人头检测算法，在人头数据集HollywoodHeads和Brainwash上，该算法的平均查准率AP50指标分别提升11.8%和5.8%，平均查准率AP70指标分别提升20.2%和35.2%。

来源：2022年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第8期