一种改进的MTCNN和FaceNet人脸检测及识别算法研究

MTCNN和FaceNet的人脸识别算法是较为常用的算法,但由于各种因素使得识别准确率较低。为了保障基于MTCNN和FaceNet的人脸检测识别系统更好地解决传统安保人工监控模式带来的资源浪费及效率低下等问题,提出了一种改进的MTCNN和FaceNet人脸检测及识别算法。在现有的MTCNN和FaceNet人脸检测及识别算法的基础上,针对夜晚图像出现的大量噪点,使用两次中值滤波进行快速去噪,降低噪点导致的误检率,从而提高图片识别准确率;并将改进前后的算法分别对同个人脸数据集进行检测识别,比较改进前后算法的准确率和召回率,可验证改进后算法的优化有效性。

一种基于级联卷积网络的移动端人脸识别系统实现

考虑到现有人脸识别算法的准确率和可移植性,设计并且实现了一个基于Android平台的人脸识别考勤系统。该系统可以直接部署到采用Android系统的移动设备,通过摄像头采集图片并根据已录入的人脸库数据对检测到的人脸进行识别和考勤登记。本系统采用一种基于级联卷积网络的人脸检测算法MTCNN和人脸特征提取算法FaceNet来实现人脸识别。考虑到移动设备计算能力的有限性,采用NCNN框架将两种算法进行移植到Android平台。最终测试表明,本文系统的实时性和准确率基本满足实际需要。