随着科技的发展,人脸识别被越来越多的运用到社会生活中,因此每个人面部信息的保护也越来越重要。但目前一些见刊的新闻照片未能很好的保护其中的人脸信息,所以就需要研究出一种可以对拍摄到的图片进行人脸马赛克处理的方法。人脸马赛克处理就是对照片中的人脸先选定位置,然后再对其进行马赛克处理的一种技术,从而达到保护面部信息的目的,所以做到精确的检测出人脸是关键一步。人脸检测属于目标检测的一类,而在目标检测的两种方法中,两段式的人脸检测方法拥有高准确率这一特性,所以从一开始就拥有很高的研究热度,故本文就采用两段式的方法对照片中的人脸进行检测。本文的主要研究内容如下:(1)对比了主流的两种候选框算法,使用了高召回率的选择搜索算法从原始照片中提取候选框。然后依据算法的特点改进了输入图片的尺寸,从而加快了候选框提取速度并减少了候选框的数量。通过大量实验得出,算法改进后裁剪到包含人脸的候选框个数变化很小,并且裁剪后的图像中出现的人脸占比较大,满足后续神经网络二分类的要求。(2)以Le Net5网络为基础改进出了一个新的网络结构。在原始结构上增加了卷积层的数量,减少了全连接层的数量,加入了Dropout来防止过拟合。本文使用3×3的小卷积核替换了5×5的卷积核,并且增加了每一层的卷积核的数量,改变了激活函数。最后使用相同的数据集训练原始的Le Net5、改进网络和VGG11网络,对比结果发现,改进网络拥有更好的性能。本文改进网络的人脸检测准确率较基础网络有了较大提升,参数量较VGG11减少了2/3,能很好的检测到照片中出现的人脸。同时设计了一个新的打码方式,相对于常用的平均打码来说速度有所提高。本文基于选择搜索和改进卷积神经网络的人脸马赛克方法,有较好的打码率,能满足打码的需求,能很好的对单张图片进行马赛克处理。同时整个人脸马赛克算法具有很好的稳定性,复杂度也较低,能很好的运用到实际的照片处理中。