文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.191314
中文引用格式： 張潤(rùn)生，賀超，況朝青. 基于深度神經(jīng)網(wǎng)絡(luò)的偽裝人臉識(shí)別[J].電子技術(shù)應(yīng)用，2020，46(5)：27-30.
英文引用格式： Zhang Runsheng，He Chao，Kuang Chaoqing. Disguised face recognition based on deep neural network[J]. Application of Electronic Technique，2020，46(5)：27-30.
0 引言
近年來，視頻監(jiān)控領(lǐng)域下的人臉識(shí)別得到了廣泛關(guān)注，通過監(jiān)控抓捕到犯罪嫌疑人的新聞時(shí)有出現(xiàn)，大大提高了案件的偵破率。但是監(jiān)控拍攝到的圖像中很可能會(huì)存在遮擋，使得識(shí)別率下降，錯(cuò)失抓捕嫌疑人的機(jī)會(huì)。遮擋一般分為兩種，即自然遮擋和人為偽裝[1]。自然遮擋包括樹葉、欄桿等，人為偽裝包括帽子、墨鏡、圍巾等。通過偽裝，犯罪分子可以逃避監(jiān)控的追蹤，增大了案件的偵破難度。
針對(duì)這些問題，文獻(xiàn)[2]提出了一種基于遮擋模式的稀疏表示分類的方法，構(gòu)建的解析詞典與測(cè)試圖像具有相同的遮擋，提高了分類性能；利用稀疏字典學(xué)習(xí)的判別性來處理人臉識(shí)別問題中的連續(xù)遮擋。文獻(xiàn)[3]使用Gabo小波、PCA和SVM來解決遮擋檢測(cè)問題，將人臉圖像分成兩個(gè)相等的分量，從每個(gè)分量中提取Gabor小波特征，用于降維主成分分析，最后使用局部二值模式來完成識(shí)別過程；在識(shí)別期間，權(quán)重被分配給測(cè)試圖像的每個(gè)局部區(qū)域，與給定未被遮擋的訓(xùn)練示例的每個(gè)區(qū)域的可能性成比例。文獻(xiàn)[4]在人臉圖像的每個(gè)點(diǎn)上找到最大匹配區(qū)域，提取其傅里葉幅度譜作為特征，最后使用余弦相似度進(jìn)行識(shí)別。但是這些方法都是針對(duì)一定類型的遮擋通過建模來完成識(shí)別的，泛化性能較差；而神經(jīng)網(wǎng)絡(luò)能夠通過大量數(shù)據(jù)的訓(xùn)練來學(xué)習(xí)到相關(guān)特征，獲得更好的識(shí)別性能，在信號(hào)調(diào)制、計(jì)算機(jī)視覺、文本分析、故障檢測(cè)等領(lǐng)域均有廣泛的應(yīng)用[5-8]。
文章詳細(xì)內(nèi)容請(qǐng)下載http://m.jysgc.com/resource/share/2000002785
作者信息:
張潤(rùn)生1，2，3，賀 超1，2，3，況朝青1，2，3
(1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶400065；2.重慶高校市級(jí)光通信與網(wǎng)絡(luò)重點(diǎn)實(shí)驗(yàn)室，重慶400065；
3.泛在感知與互聯(lián)重慶市重點(diǎn)實(shí)驗(yàn)室，重慶400065)