基于DCNN的人脸识别技术在考生身份验证中的应用研究

• 作者: 刘刚 宋涛 庄雷 景晨凯 李兵奎 王乐
• 来源期刊: 河南大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度卷积神经网络 人脸识别 身份验证 GoogLeNet-D 阈值判定
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 699-707
• 页数: 9页
• 分类号: TP393
• 字数: 7252字
• 语种: 中文

摘要

考试的公平、公正、安全和秩序是全社会关注的焦点,尤其是备受关注的高招考试.近些年来DCNN(deepconvolution neural networks)算法促进了人脸识别技术的实际应用,因此若在考生身份验证中采用人脸识别技术将进一步保证考试公平,降低人工成本.但是针对具体的应用,DCNN算法需要做相应的改变.依托真实的考生数据集以及应用场景,基于GoogLeNet设计了一种更具表达能力更适用的网络结构GoogLeNet D;因将人脸查询/分类精准率作为模型评估的方法,所以没有判定阈值,为了设定合适的阈值判断考生是否为同一个人,提出了一种直接、简单有效的定量确定阈值算法,能够在计算准确率的同时确定阈值.最终利用该阈值判定算法,在2014-2016年170万考生共10 406 024张人脸数据集上选取出基于GoogLeNet D训练的最优模型,其在20万人1 022 031张人脸的测试集上取得了98.87％的人脸分类精准率,同时得到了该模型的最佳阈值为0.35.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋涛	郑州大学信息工程学院	23	36	3.0	5.0
3	庄雷	郑州大学信息工程学院	92	704	13.0	21.0
4	李兵奎	郑州大学信息工程学院	4	18	3.0	4.0
5	景晨凯	郑州大学信息工程学院	6	20	3.0	4.0
6	刘刚		6	22	3.0	4.0
9	王乐		4	12	2.0	3.0