文章摘要:非限制场景下存在光照、遮挡和姿态变化等问题，这严重影响了人脸识别模型的性能和准确度。针对该问题，本文对facenet进行改进，提出了一种基于facenet皮尔森判别网络的人脸识别方法facenetPDN。首先，构建facenetPDN深度卷积神经网络，在facenet前端融合多任务级联卷积神经网络进行人脸检测提取目标人脸。然后，通过深度神经网络提取人脸深度特征信息，采用皮尔森相关系数判别模块替换facenet中的欧氏距离判别模块实现人脸深度特征判别。最后，使用CASIA-WebFace和CASIA-FaceV5人脸数据集训练网络。为了证明本文方法的有效性，训练后的模型在LFW和celeA人脸数据集进行测试和评估，并进行对比分析。实验结果表明，改进后的facenetPDN方法的准确度比原来整体提高了1.34%，在融合训练集下提高了0.78%，该算法鲁棒性和泛化能力优良，可实现多人种的人脸识别，对非限制场景下人脸目标具有良好的识别效果。

文章关键词:

论文分类号:TP391.41

文章来源：《智能城市》 网址: http://www.zncszz.cn/qikandaodu/2021/1215/2075.html