关键词:
人脸识别
细粒度
掩码估计
遮挡
特征掩码
摘要:
针对人脸遮挡产生面部结构信息丢失,从而导致人脸识别准确率降低的问题,提出了一种细粒度深度特征掩码估计的遮挡人脸识别算法。首先,将人脸图像输入特征金字塔网络中,从而得到多尺度深度语义特征;其次,将从特征金字塔网络提取的特征经过空洞卷积处理后,与MobileNetV3网络提取的精细浅层特征进行融合,并以像素级二值掩码为标签训练网络以获得细粒度特征掩码;进而,利用该深度特征掩码与深层特征相乘,以抑制由遮挡产生的干扰特征,获得更准确的人脸表征;最后,采用余弦损失和掩码估计损失联合训练网络,提高遮挡人脸识别算法的性能。在LFW数据集基础上创建了口罩、围巾和中心遮挡3种类型的人脸遮挡数据集,实验结果表明:在不同的数据集上,所提算法与现有算法相比均具有更高的识别准确率,并在不同类型遮挡情况下均能获得十分稳定的人脸识别结果;所提算法在数据集LFW和LFW口罩遮挡上的识别准确率分别达到了99.38%和98.42%,在数据集LFW围巾遮挡和LFW中心遮挡上的识别准确率分别达到了98.72%和98.65%,均优于对比算法。