摘要
人脸识别是计算机视觉与图像处理领域的研究热点,基于FaceNet网络模型的人脸智能识别系统,由于所需训练数据集大且对硬件资源条件要求较高,设计改进FacetNet的人脸智能识别算法.首先,通过MTCNN网络实现人脸图像非极大值抑制和边界框的回归问题;其次,把人脸对齐后的图像数据进行高斯归一化(Gaussian normalization)预处理后,再通过FacetNet算法网络模型进行训练.优化后的网络模型在LWF数据集上进行训练,实验验证得出改进后的人脸识别模型其平均误识率为0.06％,拒识率为5.13％和准确率为99.79％,并通过采集真实的人脸数据进行验证,均表现出了良好的识别效果.
基金项目
广州工商学院校级科研项目(2022)(KYYB202231)
维普
万方数据