基于深度学习的轻量级和多姿态人脸识别方法

作     者：龚锐 丁胜 章超华 苏浩 GONG Rui;DING Sheng;ZHANG Chaohua;SU Hao

作者机构：武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)武汉430065 福建省大数据管理新技术与知识工程重点实验室(泉州师范大学)福建泉州362000 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2020年第40卷第3期

页      面：704-709页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

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) 

主　　题：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 

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。