面向视频侦查应用的车内人脸识别研究

针对在公安实战中具有重要意义的车内人员人脸识别问题进行研究,提出其识别精度偏低的主要原因是其与常见的行人人脸场景间存在强烈的数据集偏差(Dataset bias)。将深度学习人脸识别与物体分类中的迁移学习相结合,设计了一种可实现样本融合的人脸识别网络,通过消除两个场景的数据集偏差,达到同时利用行人场景和车内人脸场景的数据进行训练的目的,并在此基础上与现有的卡口车牌抓拍系统进行融合,形成了一套初步达到实际应用指标的实时人脸-车牌抓拍识别系统。