随着计算机视觉技术的发展,人脸识别相关技术在现实生活中的应用越来越多。人脸检测是人脸相关应用的基础。近年来,虽然基于神经网络的人脸检测技术取得了巨大进步,但由于光照、距离、角度等原因的影响,非受控环境下的人脸检测仍然是一个颇具挑战性的难题。本文针对如何提升非受控环境下人脸检测的精度以及降低算法复杂度进行了研究。论文的主要成果如下:1.针对非受控环境下人脸不易检出的问题,提出了一种基于特征融合和空间注意力的高精度人脸检测器。通过将特征金字塔中相邻的层级融合起来,以挖掘高、低层特征间潜在的关联性;空间注意力机制进一步提高了检测器的性能。实验结果表明,本文提出的模型在几乎不增加复杂度的前提下实现了检测效果的显著提升。2.针对人脸检测器运行速度慢、功耗大的问题,提出了一种基于二值卷积网络的边缘设备人脸检测器。通过对深度网络中的激活值和权重进行二值量化,在保持着较高的检测精度的同时,大幅降低了模型的空间使用和计算成本。