基于深度卷积判别网络的人脸比对方法

针对实际应用中人脸比对面临着场景复杂性高、光照、遮挡等问题,为了提高人脸比对准确率,本文提出了一种基于深度卷积判别网络的人脸比对算法MTC-FaceNetSDM。建立了MTC-FaceNetSDM的深度卷积神经网络,在FaceNet网络前端中融合多任务级联卷积神经网络得到MTC-FaceNet网络,实现实际场景中的人脸检测提取目标人脸;利用深度卷积神经网络获取高维人脸深度特征,并将FaceNet网络的欧氏距离模块替换为所提出的相似度判别模块SDM,用于高维人脸特征向量比对;最终,利用自制的人脸数据集C-facev1,结合CASIA-WebFace人脸数据集对本文人脸比对算法进行训练,使用人脸数据集LFW和CASIA-FaceV5对训练后的模型进行性能评估。实验结果表明:本文所设计的MTC-FaceNetSDM的人脸比对准确率比MTC-FaceNet整体提高1.48%,对中国人脸比对准确率提高3.80%,可实现多人种的人脸比对,同时该算法具备良好的鲁棒性和泛化能力,达到优良的人脸比对效果,可实际应用于人脸验证系统。