基于深度学习的部分人脸预测及识别

摘要：

左右划分后的人脸被称为纵向部分人脸.为了衡量纵向部分人脸的大小,在尽可能少损失识别精度的情况下充分利用纵向部分人脸,提出一种简单有效的解决方案.首先,将纵向部分人脸的大小按照其占整张人脸的宽度比量化.其次,采用深度学习方法设计一种人脸比例特征网络.通过训练大量的部分人脸数据,使用该神经网络预测纵向部分人脸的宽度比,即部分人脸的大小.最后,通过分析不同大小的纵向部分人脸对人脸验证的影响程度判别出最佳宽比0.7并作为比例阈值,当人脸比例特征网络预测结果超过比例阈值0.7时,可用作后续人脸识别,否则丢弃该部分人脸图像.占宽比预测实验结果显示,在所选10个点处,平均误差在实际宽比1.0时达到最大0.035 735,在0.1处达到最小0.006 857.误差百分比在7％以下,方差最高不超过0.000352.

关键词：人脸识别、纵向部分人脸、深度学习、宽度比、神经网络

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重大科学仪器设备开发专项2013YQ490879

在线出版日期：2018-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：36-38,103