生成式方法在戴面罩热红外人脸识别中的研究

摘要：

随着人工智能技术的发展,可见光人脸识别大放光彩.但是可见光无法解决面部有遮挡的问题,因此限制了它在国家安全方面的应用范围.因为可见光无法透过遮挡物从而被相机接收,所以丢失了大量信息.现实中如果佩戴面罩,鼻子、嘴巴、脸颊等大部分的特征将会丢失,则会导致可见光人脸识别的识别率大大下降.而热红外技术有解决该问题的可能,因为人脸散发的热量可以透过面罩,被热红外相机获取.首先提出了一种面罩检测的神经网络,通过对目标检测方法进行改进,设计并实现了适用于热红外戴面罩检测的算法.实验表明,上述方法在保证检测精度的同时,具有更快的检测速度.在研究构建的数据集上,mAP为 96.5%,Fps为 38.其次,被面罩遮挡后,鼻子嘴巴等热可以透过面罩,并在热红外图像中有体现.利用佩戴面罩和未佩戴面罩的数据作为样本训练对抗生成网络,训练一个可以去除戴面罩样本的网络.最后提出一种九宫格损失函数,用于对去面罩后的人脸进行识别的方法.上述方法在采集 86 名志愿者戴面罩和未戴面罩的中波红外图像数据库中,进行了识别验证,识别率为89.68%.还提出了将来的工作方向,包括戴口罩人脸识别的研究.

关键词：面罩、人脸识别、深度学习、中波热红外图像、生成模型

所属期刊栏目：40

分类号：TP183(自动化基础理论)

在线出版日期：2023-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：187-191,201