本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘 要:
人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任务卷积神经网络(MTCNN——Multi-task Cascaded Convolutional Networks)和Facenet的人脸识别方法,并实现了从图像处理到识别结果输出的整个人脸识别系统。
关键词:人脸识别;MTCNN;Facenet;系统
doi:10.12045/j.issn.1007-3043.2020.02.008
前言
随着计算机及网络的发展,人脸识别技术在国家安全、公安、司法、电子商务、安保监控、安全检查等领域被越来越多地应用。传统人脸识别方法依赖于人工设计的特征(比如边和纹理描述量)与机器学习技术(比如主成分分析、线性判别分析或支持向量机)。人工设计的特征在无约束环境中的稳健性较差,这使得过去的研究者侧重研究针对不同变化类型的专用方法,比如能应对不同年龄的方法、能应对不同姿势的方法、能应对不同光照条件的方法等。近段时间,传统的人脸识别方法已经被基于卷积神经网络(CNN)的深度学习方法代替。其主要优势是它可以用非常大型的数据集进行训练,从而学习到表征这些数据的最佳特征。本文提出了一种基于MTCNN和Facenet的人脸识别方法。