基于深度神经网络的有遮挡身份验证

• 作者: 董艳花 张树美 赵俊莉
• 来源期刊: 青岛大学学报（自然科学版）
• 关键词: 新型冠状病毒 特征提取 遮挡判别 身份验证
• 年，卷（期）: 2021,（2）
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2021.05.07

摘要

为解决人脸被部分遮挡也能完成身份验证的问题,提出一种基于深度神经网络的有遮挡身份验证方法.对人脸图像进行检测分块,将VGGNet-16三个全连接改为一个全连接,将其最后两个最大池化层改为平均池化层,用来提取人脸块的特征;并在PCANet的基础上添加并行模块,不仅提高网络提取特征能力,而且改善了PCANet对遮挡人脸特征丢失造成判别精度不够的缺点.研究结果表明,基于深度神经网络的有遮挡人脸平均识别精度达到96.62％.