摘要: 煤矿环境复杂，传统人员监测方法受到光照和粉尘的制约，难以准确识别人脸。针对上述问题，提出了一种基于深度学习的多任务级联卷积神经网络框架，级联网络框架包括P-Net, R-Net, O-Net三个不同阶段的深度卷积网络，通过P-Net的候选窗口筛选、R-Net的迭代优化和O-Net的关键点确认，逐步预测人脸和关键点的位置，有效提升了人脸识别性能。并对深度学习网络框架进行了优化：通过减少滤波器数量和改变尺寸，在减小计算负担的同时提高了性能。在FDDB和CelebA-Masked等数据集的实验验证结果表明，与传统方法相比，多层级联架构在准确率上均具有显著优势，证明了其在复杂煤矿环境下的有效性和鲁棒性。