基于輕量級卷積神經(jīng)網(wǎng)絡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)和政府等領域進出訪問的認證方式。盡管基于卷積神經(jīng)網(wǎng)絡的圖像處理算法效果好、魯棒性高和泛化能力強，但是具有參數(shù)量和計算量大等缺點。因此，基于卷積神經(jīng)網(wǎng)絡研發(fā)輕量、快速和準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用價值。
　　本文基于輕量級卷積神經(jīng)網(wǎng)絡研發(fā)了人臉檢測和人臉識別算法，以ARMCortex-A72作為應用處理平臺，能夠準確檢測出視頻

2、畫面中的人臉，并對人臉身份信息進行識別和對比分析。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雜度。此外，人臉識別算法實現(xiàn)了基于卷積神經(jīng)網(wǎng)絡的特征提取模型，根據(jù)人臉的典型性特征使用改進的Softmax分類器訓練模型;

3、使用卷積神經(jīng)網(wǎng)絡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)絡的人臉檢測和識別算法分別進行了測試，并聯(lián)合兩個算法模擬測試人臉識別閘機的基本功能。