《电子技术应用》
您所在的位置:快乐赛车 > 嵌入式技术 > 设计应用 > 基于深度神经网络的伪装人脸识别
基于深度神经网络的伪装人脸识别
2020年电子技术应用第5期
张润生1,2,3,贺 超1,2,3,况朝青1,2,3
1.重庆邮电大学 通信与信息工程学院,重庆400065;2.重庆高校市级光通信与网络重点实验室,重庆400065; 3.泛在感知与互联重庆市重点实验室,重庆400065
摘要: 伪装人脸识别在刑侦安防领域有着巨大的应用价值。针对现阶段对伪装人脸识别的研究较少、算法鲁棒性不强等缺点,提出了基于深度神经网络的伪装人脸识别算法。改进了SqueezeNet网络模型,并将其与FaceNet网络架构进行结合,用于人脸图像的身份识别。通过在训练数据集中引入伪装人脸图像,让网络学习到伪装的特征。实验结果表明,该算法识别准确率接近90%,相较于其他网络模型,具有更好的识别效果。
中图分类号: TN911.73;TP391.4
文献标识码: A
DOI:10.16157/j.issn.0258-7998.191314
中文引用格式: 张润生,贺超,况朝青. 基于深度神经网络的伪装人脸识别[J].电子技术应用,2020,46(5):27-30.
英文引用格式: Zhang Runsheng,He Chao,Kuang Chaoqing. Disguised face recognition based on deep neural network[J]. Application of Electronic Technique,2020,46(5):27-30.
Disguised face recognition based on deep neural network
Zhang Runsheng1,2,3,He Chao1,2,3,Kuang Chaoqing1,2,3
1.School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications, Chongqing 400065,China; 2.Optical Communication and Networks Key Laboratory of Chongqing,Chongqing 400065,China; 3.Ubiquitous Sensing and Networking Key Laboratory of Chongqing,Chongqing 400065,China
Abstract: Camouflage face recognition has great application value in the field of criminal investigation and security. Aiming at the shortcomings of few researches on camouflage face recognition and weak robustness at present, a camouflaged face recognition algorithm based on deep neural network is proposed. The SqueezeNet network model has been improved and combined with the FaceNet network architecture for identity recognition of face images. By adding camouflage face images in the training data set, the network can learn the characteristics of the camouflages. The experimental results show that the recognition accuracy of the algorithm is close to 90%, which is better than other network models.
Key words : deep neural network;disguised face recognition;SqueezeNet network model;FaceNet network architecture

0 引言

    近年来,视频监控领域下的人脸识别得到了广泛关注,通过监控抓捕到犯罪嫌疑人的新闻时有出现,大大提高了案件的侦破率。但是监控拍摄到的图像中很可能会存在遮挡,使得识别率下降,错失抓捕嫌疑人的机会。遮挡一般分为两种,即自然遮挡和人为伪装[1]。自然遮挡包括树叶、栏杆等,人为伪装包括帽子、墨镜、围巾等。通过伪装,犯罪分子可以逃避监控的追踪,增大了案件的侦破难度。

    针对这些问题,文献[2]提出了一种基于遮挡模式的稀疏表示分类的方法,构建的解析词典与测试图像具有相同的遮挡,提高了分类性能;利用稀疏字典学习的判别性来处理人脸识别问题中的连续遮挡。文献[3]使用Gabo小波、PCA和SVM来解决遮挡检测问题,将人脸图像分成两个相等的分量,从每个分量中提取Gabor小波特征,用于降维主成分分析,最后使用局部二值模式来完成识别过程;在识别期间,权重被分配给测试图像的每个局部区域,与给定未被遮挡的训练示例的每个区域的可能性成比例。文献[4]在人脸图像的每个点上找到最大匹配区域,提取其傅里叶幅度谱作为特征,最后使用余弦相似度进行识别。但是这些方法都是针对一定类型的遮挡通过建模来完成识别的,泛化性能较差;而神经网络能够通过大量数据的训练来学习到相关特征,获得更好的识别性能,在信号调制、计算机视觉、文本分析、故障检测等领域均有广泛的应用[5-8]




文章详细内容请下载http://www.jganggini.com/resource/share/2000002785




作者信息:

张润生1,2,3,贺  超1,2,3,况朝青1,2,3

(1.重庆邮电大学 通信与信息工程学院,重庆400065;2.重庆高校市级光通信与网络重点实验室,重庆400065;

3.泛在感知与互联重庆市重点实验室,重庆400065)

此内容为AET网站原创,未经授权禁止转载。
728彩票计划群 幸运飞艇官网 欢乐生肖 吉林快3 快三投注 财神汇彩票计划群 澳洲幸运10开奖结果 欢乐生肖 极速快乐8 秒速快3