基于深度学习的轻量级和多姿态人脸识别方法

摘要：

目前基于深度学习的人脸识别方法存在识别模型参数量大、特征提取速度慢的问题,而且现有人脸数据集姿态单一,在实际人脸识别任务中无法取得好的识别效果.针对这一问题建立了一种多姿态人脸数据集,并提出了一种轻量级的多姿态人脸识别方法.首先,使用多任务级联卷积神经网络(MTCNN)算法进行人脸检测,并且使用MTCNN最后包含的高层特征做人脸跟踪;然后,根据检测到的人脸关键点位置来判断人脸姿态,通过损失函数为ArcFace的神经网络提取当前人脸特征,并将当前人脸特征与相应姿态的人脸数据库中的人脸特征比对得到人脸识别结果.实验结果表明,提出方法在多姿态人脸数据集上准确率为96.25％,相较于单一姿态的人脸数据集,准确率提升了2.67％,所提方法能够有效提高识别准确率.

关键词：深度学习、人脸识别、多姿态、轻量级、多任务级联卷积神经网络、ArcFace

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：福建省大数据管理新技术与知识工程重点实验室开放课题BD201805

在线出版日期：2020-04-08（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：704-709