日前，一年一度的计算机顶级视觉会议CVPR 2019在美国长滩如期举行，16日进行的Workshop on Bridging the Gap between Computational Photography and Visual Recognition宣布了本次UG²+计算机视觉算法竞赛（低光照环境下的人脸检测）的比赛结果。其中，由中科院自动化研究所模式识别国家重点实验室生物识别与安全技术研究中心（CBSR）雷震研究员带领的团队（团队参赛人员包括研究生张士峰、庄楚斌）获得了本次人脸检测竞赛的冠军。

UG²+竞赛由CVPR和多家计算机视觉领域知名的政府机构、学术机构、企业联合举办，其主要目的在于评估和探索当前最先进的图像处理算法在极端条件下对检测和识别等任务的精确性与鲁棒性。本次竞赛包含无约束视频中的物体分类与检测和低可见环境下的物体检测两个任务。其中，雷震研究员带领的团队参加了任务二中的“低光照环境下的人脸检测”子项目，经过三个多月的努力，最终从两百多支参赛队伍中脱颖而出，取得了本次竞赛的冠军。团队成员于6月16日在CVPR会议现场做了题为“Selective Refinement Network for Dark Face Detection”的口头报告。

人脸检测是计算机视觉领域一项非常经典的任务，旨在利用分析比较的计算机处理技术，在给定的图像中寻找并标记出正确的人脸位置。在许多计算机视觉相关的实际应用场景中，如智能视频监控、自动化驾驶和生物安全识别等，人脸检测都是一项非常重要的基础技术。目前，主流的非受限环境下的人脸检测算法大都基于通用物体检测框架进行设计，如SSD^[1]、Faster R-CNN^[2]等。但由于实际应用场景的复杂性，姿态、光照、分辨率、遮挡变化等因素的影响给实际应用场景中的人脸检测带来了巨大挑战。

本次竞赛提供了6000张夜间拍摄的真实场景中的低光照图像作为训练集，以及4000张相同设置下采集的图像作为最终的测试集。数据集涵盖了实际检测场景中可能遇到的各种光照，角度和姿态变化下的人脸图像，采集地点包含了教学楼、街道、桥梁、立交桥、公园等实际场景。为解决该问题，CBSR参赛团队使用SRN（Selective Refinement Network）^[3]作为基础检测网络，并辅以MSRCR^[4]图像增强技术对低光照下的人脸图像进行特殊处理，能够克服低光照环境带来的人脸信息不清晰而带来的影响，有效提高了算法的准确度。最终，该团队以测试集上62.25%的AP成绩取得了该项赛事的冠军。

报告PPT：Selective Refinement Network for Dark Face Detection

[1] Liu Wei, et al. "Ssd: Single shot multibox detector." European conference on computer vision. Springer, Cham, 2016.
[2] Ren S, He K, Girshick R, et al. Faster r-cnn: Towards real-time object detection with region proposal networks. Advances in neural information processing systems. 2015: 91-99.
[3] Chi C, Zhang S, et al. Selective refinement network for high performance face detection. arXiv preprint arXiv:1809.02693, 2018.
[4] Jobson, Daniel J., Zia-ur Rahman, and Glenn A. Woodell. "A multiscale retinex for bridging the gap between color images and the human observation of scenes." IEEE Transactions on Image processing 6.7 (1997): 965-976.