口罩混合人脸识别系统研究与实现

作     者：黄路 

作者单位：广州大学 

学位级别：硕士

导师姓名：张曼

授予年度：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：人脸检测 口罩人脸识别 注意力机制 混合人脸识别 

摘      要：在全球疫情逐渐受控、社会生活逐步恢复正常的背景下,人们在公共场合的着装方式发生了重大变化。如今,人脸识别技术面临着一种新的挑战:在人群中既有戴口罩的人,也有不戴口罩的人,这给传统的人脸识别技术带来了巨大的挑战。对于戴口罩的人群,由于口罩遮挡了大部分面部特征,传统的深度学习人脸识别方法效果不佳。而针对戴口罩和不戴口罩的混合人群,目前的人脸检测精度不高,而单独使用无口罩人脸识别模型或者口罩人脸识别模型的准确率也不尽如意。为了解决这些问题,本文的研究主要内容如下: (1)针对人脸检测精度不高的问题,本文提出了一种改进的Retina Face人脸检测方法。该方法选取Res Net-50作为主干特征提取网络,并嵌入注意力机制模块,以提高网络对感兴趣特征的关注度,减少目标周围干扰特征的影响。此外,采用加权双向特征金字塔网络替换传统的特征金字塔网络,实现更有区分度的特征融合,并通过对单阶段无头模块引入更多尺寸的卷积,以适应不同尺度的人脸目标。实验结果表明,该方法相较于原始的Retina Face取得了一定的提升。 (2)针对口罩人脸识别准确率不高的问题进行研究,本文提出了一种融合注意力和焦点损失的Arc Face口罩人脸识别方法。该方法采用一个改进的网络作为特征提取网络,并将注意力模块与特征提取网络结合。同时,引入了一种名为焦点损失的动态缩放的交叉熵损失函数,用于辅助Arc Face的度量函数。本文还通过对CASIA-Web Face、LFW、Age DB和CFP四个公开人脸识别数据集上进行处理得到四个口罩遮挡人脸识别数据集,并使用该方法在这四个数据集中进行训练与测试。实验结果表明,所提出的方法提高了识别准确性并降低了网络参数的数量。 (3)针对混合人群识别准确率不高的问题进行研究,本文提出了一种混合人脸识别的方法。该方法使用Mobile Net网络进行训练得到口罩检测模型,对输入的人脸图像进行口罩佩戴情况的判断,然后将人脸图像传入到相应的人脸识别模型中进行识别,实验结果表明,此方法取得了一定的提升。接着,为了迈向实际应用,本文搭建了一个混合人脸识别系统,实现了人脸采集、实时口罩检测、实时人脸检测以及实时人脸识别的功能。 通过这三部分的研究,本文有效地解决了人脸检测、口罩人脸识别以及混合人脸识别准确率低的问题,同时迈向实际应用,搭建混合人脸识别系统,实现了人脸采集、实时口罩检测、实时人脸检测以及实时人脸识别的功能。