[1]范文豪,吴晓富,张索非.基于模约束ＣｅｎｔｒｅＦａｃｅ的低分辨率人脸识别[J].计算机技术与发展,2021,31(05):48-53.[doi:10. 3969 / j. issn. 1673-629X. 2021. 05. 009]
　,Ｌｏｗ－ｒｅｓｏｌｕｔｉｏｎ Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｍｏｄｕｌａｒ Ｃｏｎｓｔｒａｉｎｔ ＣｅｎｔｒｅＦａｃ[J].,2021,31(05):48-53.[doi:10. 3969 / j. issn. 1673-629X. 2021. 05. 009]
点击复制

基于模约束ＣｅｎｔｒｅＦａｃｅ的低分辨率人脸识别()

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
31
期数:
2021年05期
页码:
48-53
栏目:
图形与图像
出版日期:
2021-05-10

文章信息/Info

Title:
Ｌｏｗ－ｒｅｓｏｌｕｔｉｏｎ Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｍｏｄｕｌａｒ Ｃｏｎｓｔｒａｉｎｔ ＣｅｎｔｒｅＦａｃ
文章编号:
1673-629X(2021)05-0048-06
作者:
范文豪1; 吴晓富1; 张索非2
１．南京邮电大学通信与信息工程学院，江苏南京２１０００３
２．南京邮电大学物联网学院，江苏南京２１０００３
Author(s):
ＦＡＮＷｅｎ－ｈａｏ１; ＷＵＸｉａｏ－ｆｕ１; ＺＨＡＮＧＳｕｏ－ｆｅｉ2
１．ＳｃｈｏｏｌｏｆＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ
２．ＳｃｈｏｏｌｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ
关键词:
人脸识别; 低分辨率; ＱＭＵＬ－ＳｕｒｖＦａｃｅ; ＣｅｎｔｒｅＦａｃｅ; 模损失
Keywords:
ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ; ｌｏｗｒｅｓｏｌｕｔｉｏｎ; ＱＭＵＬ－ＳｕｒｖＦａｃｅ; ＣｅｎｔｒｅＦａｃｅ; ｎｏｒｍｌｏｓｓ
分类号:
ＴＰ３９１
DOI:
10. 3969 / j. issn. 1673-629X. 2021. 05. 009
摘要:
人脸识别（ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ＦＲ）是计算机视觉领域中研究最广泛的问题之一，随着深度学习的发展使得一般条件下的人脸识别取得了巨大的进展并已大量商用。现有的ＦＲ系统已经在某些约束环境下实现了令人满意的识别精度。然而，低分辨率条件下的人脸识别（ｌｏｗ－ｒｅｓｏｌｕｔｉｏｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ＬＲＦＲ）目前仍然是一个极具挑战性的问题。在低分辨率人脸识别中，人脸图像通常是在非理想条件下捕获的，现有的人脸识别方法识别效果并不理想。为了提高识别精度，面向低分辨率人脸识别，基于ＣｅｎｔｒｅＦａｃｅ算法的损失函数进一步提出一种模损失函数用于联合训练。研究表明：该模损失函数可以在保持特征类内距离的情况下，增大类间距离，提高模型的泛化能力。最终在ＱＭＵＬ－ＳｕｒｖＦａｃｅ数据集上进行的４组分析对比实验表明：基于模约束的ＣｅｎｔｒｅＦａｃｅ算法识别精度优于ＣｅｎｔｒｅＦａｃｅ算法。
Abstract:
Ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ（ＦＲ）ｉｓｏｎｅｏｆｔｈｅｍｏｓｔｅｘｔｅｎｓｉｖｅｌｙｉｎｖｅｓｔｉｇａｔｅｄｐｒｏｂｌｅｍｓｉｎｔｈｅｆｉｅｌｄｏｆｃｏｍｐｕｔｅｒｖｉｓｉｏｎ．Ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｄｅｅｐｌｅａｒｎｉｎｇｈａｓｍａｄｅｇｒｅａｔｐｒｏｇｒｅｓｓｉｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｕｎｄｅｒｇｅｎｅｒａｌｃｏｎｄｉｔｉｏｎｓａｎｄｈａｓｂｅｅｎｃｏｍｍｅｒｃｉａｌｉｚｅｄｉｎｌａｒｇｅｑｕａｎｔｉｔｉｅｓ．Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｅｘｉｓｔｉｎｇＦＲｓｙｓｔｅｍｓｈａｖｅａｌｒｅａｄｙａｃｈｉｅｖｅｄａｓａｔｉｓｆａｃｔｏｒｙｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｕｎｄｅｒｅｎｖｉｒｏｎｍｅｎｔｓｗｉｔｈｃｅｒｔａｉｎｃｏｎｓｔｒａｉｎｔｓ．Ｈｏｗｅｖｅｒ，ｔｈｅｌｏｗ－ｒｅｓｏｌｕｔｉｏｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｒｅｍａｉｎｓａｃｈａｌｌｅｎｇｉｎｇｐｒｏｂｌｅｍ．Ｉｎｌｏｗ－ｒｅｓｏｌｕｔｉｏｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ｆａｃｅｉｍａｇｅｓａｒｅｎｏｒｍａｌｌｙｃａｐｔｕｒｅｄｕｎｄｅｒｎｏｎ－ｉｄｅａｌｃｏｎｄｉｔｉｏｎｓ．ＴｈｅｅｘｉｓｔｉｎｇＦＲｍｅｔｈｏｄｓａｒｅｎｏｔｉｄｅａｌ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｌｏｗｒｅｓｏｌｕｔｉｏｎｆａｃｅｒｅｃｏｇｎｉｔｉｏｎ，ｗｅｆｕｒｔｈｅｒｐｒｏｐｏｓｅａｎｏｒｍ ｌｏｓｓｆｕｎｃｔｉｏｎｂａｓｅｄｏｎＣｅｎｔｒｅＦａｃｅａｌｇｏｒｉｔｈｍ ｆｏｒｊｏｉｎｔｓｕｐｅｒｖｉｓｉｏｎ．Ｔｈｅｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔｎｏｒｍｌｏｓｓｆｕｎｃｔｉｏｎｃａｎｉｎｃｒｅａｓｅｔｈｅｄｉｓｔａｎｃｅｏｆｉｎｔｒａ－ｃｌａｓｓｗｈｉｌｅｍａｉｎｔａｉｎｉｎｇｔｈｅｄｉｓｔａｎｃｅｏｆｉｎｔｅｒ－ｃｌａｓｓ，ｓｏｔｈａｔｉｔｃａｎｉｍｐｒｏｖｅｔｈｅｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌ．Ｆｉｎａｌｌｙ，ｆｏｕｒｓｅｔｓｏｆａｎａｌｙｓｉｓａｎｄｃｏｍｐａｒｉｓｏｎｅｘｐｅｒｉｍｅｎｔｓｏｎｔｈｅＱＭＵＬ－ＳｕｒｖＦａｃｅｄａｔａｓｅｔｓｈｏｗｔｈａｔｔｈｅＣｅｎｔｒｅＦａｃｅａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｎｏｒｍｃｏｎｓｔｒａｉｎｔｓｈａｓｂｅｔｔｅｒｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｔｈａｎｔｈｅＣｅｎｔｒｅＦａｃｅａｌｇｏｒｉｔｈｍ．

相似文献/References:

[1]徐钊,吴光敏,覃世欢.基于AccelDSP的LBP算法在人脸识别中的应用[J].计算机技术与发展,2014,24(01):51.
　XU Zhao,WU Guang-min,QIN Shi-huan.Application of LBP Algorithm Based on AccelDSP in Face Recognition[J].,2014,24(05):51.
[2]狄翠萍 申闫春 刘双.大规模油藏三维显示系统关键技术的研究[J].计算机技术与发展,2010,(02):237.
　DI Cui-ping,SHEN Yan-chun,LIU Shuang.Study of Key Technologies of Large - Scale 3 - D Display System[J].,2010,(05):237.
[3]时书剑 马燕.基于Gabor滤波和KPCA的人脸识别方法[J].计算机技术与发展,2010,(04):51.
　SHI Shu-jian,MA Yan.Face Recognition Based on Gabor Filters and Kernel Principal Component Analysis[J].,2010,(05):51.
[4]袁健 姚明海.基于简化局部二元法的人脸特征提取[J].计算机技术与发展,2009,(06):84.
　YUAN Jian,YAO Ming-hai.Facial Feature Extraction Based on Simplified Local Binary Patterns[J].,2009,(05):84.
[5]李伟.人脸识别算法在智能手机上的实现[J].计算机技术与发展,2008,(01):161.
　LI Wei.Implementation of Face Identification in Intelligent Mobile Telephone[J].,2008,(05):161.
[6]黄国宏 刘刚.一种新的基于Fisher准则的线性特征提取方法[J].计算机技术与发展,2008,(05):227.
　HUANG Guo-hong,LIU Gang.A New Linear Feature Extraction Method Based on Fisher Criterion[J].,2008,(05):227.
[7]孙晓玲 侯德文 储凡静.人脸识别中的眼睛定位方法[J].计算机技术与发展,2008,(10):46.
　SUN Xiao-ling,HOU De-wen,CHU Fan-jing.Eye Location in Face Recogniton[J].,2008,(05):46.
[8]王静 谭同德.基于梯度和模板二次匹配的人眼定位[J].计算机技术与发展,2007,(10):144.
　WANG Jing,TAN Tong-de.A Method to Eyes Location Based on Step- Direction and Templet - Matching[J].,2007,(05):144.
[9]高宏娟 潘晨.基于非负矩阵分解的人脸识别算法的改进[J].计算机技术与发展,2007,(11):63.
　GAO Hong-juan,PAN Chen.Improved Face Recognition Algorithm Based on Non- Negative Matrix Factorization[J].,2007,(05):63.
[10]徐勇 张海 周森鑫 王辉.基于统计学习理论的人脸识别方法研究[J].计算机技术与发展,2007,(11):118.
　XU Yong,ZHANG Hai,ZHOU Sen-xin,et al.Research on Face Recognition Based on Statistical Learning Theory[J].,2007,(05):118.

更新日期/Last Update: 2020-05-10