张爱民
(中共涡阳县委党校,安徽 亳州 233600)
人脸识别是基于人的脸部特征进行身份识别的方法,人脸识别技术在日常交通运输、门禁管理、信息安全等领域应用越来越广。人脸识别算法是目前人脸识别技术热门的研究领域之一[1-2]。传统神经网络算法也用于人脸识别技术,但存在人脸识别率偏低的问题。随着人工智能的不断发展,深度学习作为一个新的研究方向被引入机器学习,使其更接近人工智能目标。随着深度学习的发展,传统的神经网络人脸识别方法逐渐被基于卷积神经网络的方法所替代。总体而言,虽然基于深度学习算法的人脸识别方案得到了科学界的研究,但现阶段人脸识别技术依旧需要改进和提升效果[3-5]。
FaceNet是谷歌公司推出的采用深度卷积神经网络的人脸识别算法。目前,二维FaceNet算法的研究比较广泛,采用深度卷积神经网络学习将人脸图像信息映射到欧式空间。空间距离直接与图片的相似度相关:当识别的两张人脸在距离十分接近,即说明两张图像上的人相似程度很高,进而算法判断为同一个人。
在实际的人脸识别过程中,机器首先要采集到待判定的图像或者视频信息,此时的图像或视频信息往往包含一定量的无用背景信息。为提升准确率,先利用MTCNN网络完成人脸的快速检测,并对检测出来的人脸信息进行裁剪,以达到快速去除无用信息提升人脸识别准确率的作用。然后,将前述处理后的图像放入训练好的模型以实现人脸识别功能。……