facenet皮尔森判别网络的人脸识别方法

• 作者: 谷凤伟 陆军 夏桂华
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 非限制场景 人脸识别 facenet 多任务级联卷积神经网络 人脸检测 皮尔森相关系数 欧氏距离 人脸数据集
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能系统|Intelligent Systems
• 页码范围: 107-115
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11992/tis.202104008

摘要

非限制场景下存在光照、遮挡和姿态变化等问题,这严重影响了人脸识别模型的性能和准确度.针对该问题,本文对facenet进行改进,提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN.首先,构建facenetPDN深度卷积神经网络,在facenet前端融合多任务级联卷积神经网络进行人脸检测提取目标人脸.然后,通过深度神经网络提取人脸深度特征信息,采用皮尔森相关系数判别模块替换facenet中的欧氏距离判别模块实现人脸深度特征判别.最后,使用CASIA-WebFace和CASIA-FaceV5人脸数据集训练网络.为了证明本文方法的有效性,训练后的模型在LFW和celeA人脸数据集进行测试和评估,并进行对比分析.实验结果表明,改进后的facenetPDN方法的准确度比原来整体提高了1.34％,在融合训练集下提高了0.78％,该算法鲁棒性和泛化能力优良,可实现多人种的人脸识别,对非限制场景下人脸目标具有良好的识别效果.