目前,人脸检测技术大量应用在交通、安防和金融等重要领域中,然而,在视频中进行人脸检测容易产生大量重复的人脸图像。针对这一问题,本文提出了快速人脸检测与去重算法。在人脸检测算法中,本文使用优化后的MTCNN算法检测人脸框坐标以及人脸关键点信息。而去重算法的实现包含了人脸跟踪模块、人脸质量评估模块和人脸聚类模块。在人脸跟踪模块中构建人脸轨迹和约束矩阵,同时利用人脸质量评估模块从人脸轨迹中挑选质量高的人脸图像作为人脸轨迹的代表图片。使用人脸聚类模块对人脸代表图像进行聚类,将属于同一个人的人脸图像分到同一个类中,并对每个类中的人脸图像再次进行评估,得到分数最高的人脸图像作为去重结果。具体贡献如下:1、在人脸检测环节中,本文使用优化后的MTCNN人脸检测算法。一方面将标准卷积核改成深度可分离卷积核,减少神经网络中的参数量,使得检测的精度和速度分别提高了5%和10%。另一方面采用合适的可信度阈值,减少不必要的人脸候选框,使算法在速度和精度上得到平衡。2、在人脸跟踪模块中,本文采用改进后的全局均值哈希感知算法进行相邻帧人脸图像的跟踪。将现有方法中计算单个图片的像素平均值,改成计算所有图片的像素平均值,使哈希向量更具代表性。同时,在人脸跟踪和帧序号的基础上构建人脸轨迹约束矩阵。3、在人脸质量评估模块中,本文使用多指标融合的评价方式确定同一个人脸轨迹中图像质量较好人脸图像。在评价方式中,本文分别计算了图像的清晰度、亮度、人脸姿态角度和人脸模糊程度的质量分数,再将几个分数加权求和得到最后的质量分数。4、在人脸聚类模块中,本文采用聚类算法对人脸跟踪中产生的误分类人脸再次进行聚类,可以避免漏检误检导致的人脸去重结果误差。本文结合Chinese Whispers聚类算法和人脸轨迹约束矩阵对人脸图像进行聚类,不仅提高了聚类的速度,而且在精度上也有所提升。本文在实验设备上实现了快速人脸检测和去重算法并进行测验。通过实验结果验证,本文所提出的算法性能良好,能够有效实现人脸去重。