基于MTCNN和Facenet的人脸识别系统设计

摘要：

由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和Facenet的人脸识别系统.采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用Facenet模型进行人脸特征向量提取,构建本地人脸特征库;通过比对待识别人脸特征向量与本地人脸特征库中向量间的欧氏距离,输出识别结果.为验证系统性能,从检测速度与检测精度两方面进行测试.实验结果表明,文中所设计的系统识别速度达25 f/s以上,当特征向量间的欧氏距离的阈值设定为0.60时,在数据集LFW上的识别率最高达到99.27％.该系统检测速度满足实时性的同时具有较高的检测精度.

关键词：深度学习;卷积神经网络;人脸识别;MTCNN;Facenet;系统设计;特征提取;边框回归

所属期刊栏目：45

分类号：TN911.23-34;TP391

资助基金：国家重点研发计划;河北省自然科学基金

在线出版日期：2022-02-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：139-143