2020/02/DTPT
—————————
—
收稿日期:2020-01-06
0 引言
随着计算机及网络的发展,人脸识别技术在国家
安全、公安、司法、电子商务、安保监控、安全检查等领
域被越来越多地应用。传统人脸识别方法依赖于人
工设计的特征(比如边和纹理描述量)与机器学习技
术(比如主成分分析、线性判别分析或支持向量机)。
人工设计的特征在无约束环境中的稳健性较差,这使
得过去的研究者侧重研究针对不同变化类型的专用
方法,比如能应对不同年龄的方法、能应对不同姿势
的方法、能应对不同光照条件的方法等。近段时间,
传统的人脸识别方法已经被基于卷积神经网络(CNN)
的深度学习方法代替。其主要优势是它可以用非常
大型的数据集进行训练,从而学习到表征这些数据的
最佳特征。本文提出了一种基于 MTCNN 和 Facenet 的
人脸识别方法。
1 基础知识
本章对深度学习在图像领域的一些基础知识进
行了简单描述。
1.1 计算机中图像的表示方式
在计算机中图像最简单的表达方式就是灰度图,
如图 1 所示,在一张灰度图中,每个像素位置(x,y)对
应一个灰度值 I,图像在计算机中就存储为数值矩阵。
基于 MTCNN 和 Facenet 的
人脸识别
Face Recognition Based on MTCNN
and Facenet
关键词:
人脸识别;MTCNN;Facenet;系统
doi:10.12045/j.issn.1007-3043.2020.02.008
文章编号:1007-3043(2020)02-0032-07
中图分类号:TP311
文献标识码:A
开放科学(资源服务)标识码(OSID):
摘 要:
人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的
特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于
神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任
务卷积神经网络(MTCNN
—
—
Multi-task Cascaded Convolutional Networks)
和 Facenet 的人脸识别方法,并实现了从图像处理到识别结果输出的整个人脸
识别系统。
Abstract:
Face recognition technology is widely used in the smart city construction. Traditional face recognition algorithms rely on artifi-
cial features,which usually bring unexpected human factors and errors. With the improvement of computer computing power,
the face recognition method based on neural networks are favored by the industry because of its accuracy and efficiency. A
face recognition method based on MTCNN(Multi-task Cascaded Convolutional Networks)and facenet is proposed,and the
whole face recognition system from image processing to recognition result output is realized.
Keywords:
Face recognition;MTCNN;Facenet;System
刘长伟(中国联通智能城市研究院,北京 100048)
Liu Changwei(China Unicom Smart City Research Institute,Beijing 100048,China)
刘长伟
基于 MTCNN 和 Facenet 的人脸识别
引用格式:刘长伟 . 基于 MTCNN 和 Facenet 的人脸识别[J]. 邮电设计技术,2020(2):32-38.
技术前沿
Technology Frontier
32
万方数据