摘要
在非受限环境下进行人脸检测与对齐通常部署于内存有限、计算能力较弱的边缘设备上。本文提出一种单阶段方法——CenterFace，能够在保持实时速度的同时实现高精度的人脸框与关键点定位。该方法属于无锚框（anchor-free）类别，其核心思想包括：(a) 通过语义图学习人脸存在的可能性；(b) 对每个可能包含人脸的位置，同时预测边界框、偏移量以及五个关键点坐标。实验结果表明，该方法可在单个CPU核心上实时运行，并在NVIDIA 2080TI显卡上实现VGA分辨率图像下200 FPS的处理速度。在多个公开数据集上均取得优异性能：WIDER FACE验证集与测试集的Easy、Medium、Hard子集上分别达到0.935/0.932、0.924/0.921、0.875/0.873的准确率；FDDB数据集的不连续与连续场景下分别达到0.980与0.732的准确率。CenterFace的演示代码已开源，可访问GitHub项目页面：https://github.com/Star-Clouds/CenterFace。