基于CNN的人脸图像亮度和清晰度质量评价

摘要：

为提高人脸识别的准确率,提出基于CNN的人脸图像亮度和清晰度的质量评价方法,拒绝低质量人脸图片参与识别和认证.利用人脸识别匹配器的相似性分数与人类视觉系统清晰度等级分类方法,结合传统亮度分级方法,将人脸图像分成9类并建立相应的数据标签,基于数据标签和数据集训练CNN模型并进行实验.实验结果表明,模型在人脸图像质量的亮度和清晰度方面有了较为准确的评价,准确率达到90％ 以上.EVR曲线整体FNMR值变化明显,验证了分类的有效性,评价结果对人脸识别系统回路的动态调整有实际指导意义.

关键词：人脸识别、人脸图像质量、亮度、清晰度、卷积神经网络(CNN)

所属期刊栏目：41

分类号：TN911.73

资助基金：国家重点研发计划基金项目 2016YFC0801100

在线出版日期：2020-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2004-2010