基于MTCNN的FaceNet架构的人脸识别考勤系统设计与实现

该文设计并实现了一个基于MTCNN的FaceNet架构的人脸识别考勤系统。在系统中,将多级联CNN模型(MTCNN)应用于人脸检测里,可以提高对光照阴影等自然变化因素存在的鲁棒性,对于人脸识别部分采用FaceNet网络架构。实验证明,基于MTCNN的FaceNet架构相较于传统的人脸检测与识别具有更好的效果。最后,在保证识别速度和识别精度的前提下对数据的计算量进行了优化。

基于深度神经网络的伪装人脸识别

伪装人脸识别在刑侦安防领域有着巨大的应用价值。针对现阶段对伪装人脸识别的研究较少、算法鲁棒性不强等缺点,提出了基于深度神经网络的伪装人脸识别算法。改进了SqueezeNet网络模型,并将其与FaceNet网络架构进行结合,用于人脸图像的身份识别。通过在训练数据集中引入伪装人脸图像,让网络学习到伪装的特征。实验结果表明,该算法识别准确率接近90%,相较于其他网络模型,具有更好的识别效果。