基于DCNN的证件照人脸验证及应用研究

摘要：

在不同证件审核场景中,由于存在年龄跨度、装扮及样本缺乏等因素的影响,使得现有方法难以适应不同证件照下的人脸识别,无法满足实际应用要求.为解决上述问题,提出一种基于深度卷积神经网络的不同证件照识别方法.该方法对VGG网络做出适应于不同证件照识别的改进,实现端到端的自主学习人脸特征,消除年龄跨度、装扮等因素的影响,并且可将训练参数减少为原网络结构的16,使得在保证识别精度的同时,模型训练时间大幅减小.实验结果表明,该方法在高校毕业审核场景下的自建数据集和CAS-PEAL-R1公开数据集上训练后,验证准确率和召回率较原始方法分别提高了6.29个百分点和7个百分点,能够满足多种应用场景下的不同证件审核需求.

关键词：人脸识别、证件审核、卷积神经网络、人脸验证

分类号：TP391.4(计算技术、计算机技术)

资助基金：临沂大学博士启动研究基金资助项目LYDX2016BS115,LYDX2016BS114

在线出版日期：2020-04-14（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：104-109