计算机应用

作者：李秋珍, 栾朝阳, 汪双喜

单位：1. 武汉数字工程研究所, 武汉 430074;2. 华中科技大学 计算机科学与技术学院, 武汉 430074

关键词：人脸识别,卷积神经网络,图像质量评价,人脸图像质量评价

基金："十三五"装备预研领域基金（61401320501）。

针对人脸识别过程中人脸图像质量较低造成的低识别率问题，提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型，提取人脸图像质量的深层语义信息；然后在无约束环境下收集人脸图像，并通过传统的图像处理方法以及人工筛选进行过滤，得到的数据集用以进行模型参数的训练；其次通过在图形处理器（GPU）上加速训练，得到用于拟合人脸图像到类别的映射关系；最后将输入在高质量图像类别的概率作为图像的质量得分，建立人脸图像的质量打分机制。实验结果表明，与VGG-16网络相比，所提模型准确率降低了0.21个百分点，但是参数规模减小了98%，极大地提高了模型运算效率；同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力。因此，可将该模型应用在实时人脸识别系统中，在不影响系统运行效率的前提下提高系统的准确性。

来源：2019年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第3期