基于輕量級卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和識別算法研發(fā).pdf

1、近幾年，人臉識別技術(shù)逐漸成為銀行、金融行業(yè)和政府等領(lǐng)域進(jìn)出訪問的認(rèn)證方式。盡管基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理算法效果好、魯棒性高和泛化能力強(qiáng)，但是具有參數(shù)量和計算量大等缺點(diǎn)。因此，基于卷積神經(jīng)網(wǎng)絡(luò)研發(fā)輕量、快速和準(zhǔn)確的人臉檢測和識別算法部署在低成本、低功耗和低計算量的處理平臺上具有重要的研究意義和工程應(yīng)用價值。
　　本文基于輕量級卷積神經(jīng)網(wǎng)絡(luò)研發(fā)了人臉檢測和人臉識別算法，以ARMCortex-A72作為應(yīng)用處理平臺，能夠準(zhǔn)確檢測出視頻

2、畫面中的人臉，并對人臉身份信息進(jìn)行識別和對比分析。人臉檢測算法使用基于候選區(qū)回歸的目標(biāo)檢測算法實現(xiàn)，通過對人臉尺度、比例、形狀的分析結(jié)合多特征圖融合、回歸計算，算法能夠適應(yīng)自然場景下人臉多尺度和多角度的變化條件;同時，檢測模型使用快速降采樣特征提取結(jié)構(gòu)、Inception-V2和Bottleneck等方式降低了計算復(fù)雜度。此外，人臉識別算法實現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取模型，根據(jù)人臉的典型性特征使用改進(jìn)的Softmax分類器訓(xùn)練模型;

3、使用卷積神經(jīng)網(wǎng)絡(luò)模型提取人臉特征后，基于人臉特征和多分類SVM完成1∶N模式人臉識別算法，基于人臉特征和余弦相似度完成1∶1模式人臉識別算法。同時，特征提取模型使用批歸一化技術(shù)結(jié)合大批量人臉樣本完成單次訓(xùn)練，通過分析卷積操作和批歸一化計算原理，本文將卷積層和批歸一化層參數(shù)融合優(yōu)化了特征提取模型的參數(shù)量和計算量。
　　最后，本文對基于輕量級卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和識別算法分別進(jìn)行了測試，并聯(lián)合兩個算法模擬測試人臉識別閘機(jī)的基本功能。