国产精品tv,亚洲一区综合,美女一级a毛片免费观看

基于深度神經(jīng)網(wǎng)絡(luò)的偽裝人臉識別

2020年電子技術(shù)應(yīng)用第5期

張潤生1，2，3，賀超1，2，3，況朝青1，2，3

1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065；2.重慶高校市級光通信與網(wǎng)絡(luò)重點實驗室，重慶400065； 3.泛在感知與互聯(lián)重慶市重點實驗室，重慶400065

摘要： 偽裝人臉識別在刑偵安防領(lǐng)域有著巨大的應(yīng)用價值。針對現(xiàn)階段對偽裝人臉識別的研究較少、算法魯棒性不強等缺點，提出了基于深度神經(jīng)網(wǎng)絡(luò)的偽裝人臉識別算法。改進(jìn)了SqueezeNet網(wǎng)絡(luò)模型，并將其與FaceNet網(wǎng)絡(luò)架構(gòu)進(jìn)行結(jié)合，用于人臉圖像的身份識別。通過在訓(xùn)練數(shù)據(jù)集中引入偽裝人臉圖像，讓網(wǎng)絡(luò)學(xué)習(xí)到偽裝的特征。實驗結(jié)果表明，該算法識別準(zhǔn)確率接近90%，相較于其他網(wǎng)絡(luò)模型，具有更好的識別效果。

關(guān)鍵詞： 深度神經(jīng)網(wǎng)絡(luò) 偽裝人臉識別 SqueezeNet網(wǎng)絡(luò)模型 FaceNet網(wǎng)絡(luò)架構(gòu)

中圖分類號： TN911.73；TP391.4
文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.191314
中文引用格式： 張潤生，賀超，況朝青. 基于深度神經(jīng)網(wǎng)絡(luò)的偽裝人臉識別[J].電子技術(shù)應(yīng)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

近年來，視頻監(jiān)控領(lǐng)域下的人臉識別得到了廣泛關(guān)注，通過監(jiān)控抓捕到犯罪嫌疑人的新聞時有出現(xiàn)，大大提高了案件的偵破率。但是監(jiān)控拍攝到的圖像中很可能會存在遮擋，使得識別率下降，錯失抓捕嫌疑人的機會。遮擋一般分為兩種，即自然遮擋和人為偽裝^[1]。自然遮擋包括樹葉、欄桿等，人為偽裝包括帽子、墨鏡、圍巾等。通過偽裝，犯罪分子可以逃避監(jiān)控的追蹤，增大了案件的偵破難度。

針對這些問題，文獻(xiàn)[2]提出了一種基于遮擋模式的稀疏表示分類的方法，構(gòu)建的解析詞典與測試圖像具有相同的遮擋，提高了分類性能；利用稀疏字典學(xué)習(xí)的判別性來處理人臉識別問題中的連續(xù)遮擋。文獻(xiàn)[3]使用Gabo小波、PCA和SVM來解決遮擋檢測問題，將人臉圖像分成兩個相等的分量，從每個分量中提取Gabor小波特征，用于降維主成分分析，最后使用局部二值模式來完成識別過程；在識別期間，權(quán)重被分配給測試圖像的每個局部區(qū)域，與給定未被遮擋的訓(xùn)練示例的每個區(qū)域的可能性成比例。文獻(xiàn)[4]在人臉圖像的每個點上找到最大匹配區(qū)域，提取其傅里葉幅度譜作為特征，最后使用余弦相似度進(jìn)行識別。但是這些方法都是針對一定類型的遮擋通過建模來完成識別的，泛化性能較差；而神經(jīng)網(wǎng)絡(luò)能夠通過大量數(shù)據(jù)的訓(xùn)練來學(xué)習(xí)到相關(guān)特征，獲得更好的識別性能，在信號調(diào)制、計算機視覺、文本分析、故障檢測等領(lǐng)域均有廣泛的應(yīng)用^[5-8]。

文章詳細(xì)內(nèi)容請下載http://www.rjjo.cn/resource/share/2000002785

作者信息:

張潤生1，2，3，賀超1，2，3，況朝青1，2，3

(1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065；2.重慶高校市級光通信與網(wǎng)絡(luò)重點實驗室，重慶400065；

3.泛在感知與互聯(lián)重慶市重點實驗室，重慶400065)

原創(chuàng)聲明：此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容