畸变图像人脸识别算法研究

发布时间：2023-10-22 01:38:14

畸变图像人脸识别算法研究现如今，正脸图像的识别技术已经相当成熟，比如手机上的人脸识别解锁屏幕，但不难发现的是，当人脸畸变发生情况下，往往解锁失败，需要强调的是，本章所表述的畸变人脸是人脸发生倾斜的特殊情况。对于人脸倾斜情况，目前的研究不是很顺利，对于该特殊情况的研究，学术界一般从两个角度出发进行突破：第一种思路是，构建3d模型,在正脸与侧脸之间建立映射关系，虽然这方面有部分学术论文，但开源代码很难找到，自然也很难复现并继续深入研究；第二种思路是直接使用侧脸数据训练深度网络获得侧脸校正模型，这种思路简单，也是目前深度学习方法惯用的，但目前还没有可以用于直接训练侧脸校正模型的数据集。考虑到该方向研究的不足，本章针对畸变图像的侧脸情况进行研究。4.1畸变图像人脸识别算法第一步，构建不同倾斜角度的数据集称为face2face，并从公开的亚洲人脸数据集CASIA-FacaV5（http://biometrics.idealtest.org/dbDetailForUser.do?id=9）中选取51人用于测试；第二步，由于所构建的数据集并没有准确的角度值提供，进而编写角度检测代码预测人脸侧脸角度值；第三步，提出使用生成对抗性网络（GAN）的侧脸校正算法，采用自编码器（Encoder-Decoder:ED）的构建生成器；最后，采用VGG-16网络对校正侧脸进行人脸识别，计算人脸识别率。4.1.1侧脸数据集深度学习网络的成功离不开数据集和计算机算力，考虑到侧脸数据集的缺乏，使用爬虫技术从网络上收集145个不同肤色的人正脸与侧脸图，如图4.1所示。该数据集总共包括3600张不同角度的侧脸，按照4:1的划分原则，2880张侧脸图像当作训练集，720张当作测试集，目的是为了训练并测试GAN侧脸校正模型。在数据集寻找过程中，发现一个由亚洲人所组成的人脸识别公开数据集CASIA-FacaV5，遗憾的是，每个人总共5张人脸图，仅一张是侧脸图，因此选取，一张侧脸图和正脸图，总共50个人脸集合，测试模型，由于训练模型的face2face数据集中包含亚洲人脸，因此是可以用所训练的模型进行侧脸校正。如图4.2给出CASIA-FacaV5部分人脸图，其中对勾依次是选定的正脸与侧脸图。
图4.1face2face数据集中四个人脸不同角度侧脸与正脸图图4.2CASIA-FacaV5数据集中三个人脸图，对勾选定的依次是侧脸与正脸图4.1.2侧脸角度值测定由于所收集的人脸侧脸图没有给定角度值，不方便后续对角度预测结果的分析，对face2face与CASIA-FacaV5选定的人脸侧脸图进行角度预测。该部分

畸变图像人脸识别算法研究

推荐内容

相关推荐