低分辨率人臉識(shí)別技術(shù)及其應(yīng)用.pdf

1、在大型商場(chǎng)、游樂(lè)園等人口密集的公共場(chǎng)所，經(jīng)常需要從監(jiān)控視頻得到的圖像中來(lái)查找一些特殊身份的人，然而由于行人與攝像頭之間的距離較遠(yuǎn)以及攝像頭分辨率有限等原因常常會(huì)得到低分辨率的人臉圖像，而低分辨率人臉圖像包含信息量比較少，同時(shí)伴隨著姿態(tài)、表情、光照等因素使得提取有效的人臉特征較為困難，這增加了人臉識(shí)別的難度。
　　本文主要研究了低分辨率人臉圖像的人臉驗(yàn)證工作，即已知一張高分辨率人臉圖像基準(zhǔn)和一張低分辨率測(cè)試樣本圖像來(lái)比較兩者是否是同

2、一個(gè)人。論文的主要工作有以下三個(gè)方面：
　?。?）本文使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取人臉的特征，得益于卷積神經(jīng)網(wǎng)絡(luò)的深度架構(gòu)和強(qiáng)大的自主學(xué)習(xí)能力，相比于人為定義的特征，卷積神經(jīng)網(wǎng)絡(luò)有能力從多層的非線性映射中提取出有效的人臉特征來(lái)代表此人的身份信息。
　?。?）借鑒超分辨率重建的思想，使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)處理低分辨率測(cè)試人臉圖像，使得處理后的人臉圖像有更多的有利于識(shí)別的高頻信息，之后繼續(xù)使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)提取人臉的特征，增強(qiáng)人臉特征的網(wǎng)

3、絡(luò)和提取特征的網(wǎng)絡(luò)同在一個(gè)卷積神經(jīng)網(wǎng)絡(luò)之中，達(dá)到了端到端的效果，所有參數(shù)可以一起調(diào)節(jié)，避免了只過(guò)度優(yōu)化某一步驟的現(xiàn)象，有利于得到全局最優(yōu)解。
　?。?）將高分辨率人臉基準(zhǔn)圖像和低分辨率測(cè)試樣本映射到一個(gè)統(tǒng)一的特征空間來(lái)解決兩者特征維數(shù)不匹配的問(wèn)題，本文使用兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)來(lái)分別提取特征，除了兩個(gè)網(wǎng)絡(luò)因輸入圖像的分辨率不同而使得各層的特征映射分辨率不同之外，兩個(gè)網(wǎng)絡(luò)提取特征的網(wǎng)絡(luò)層的結(jié)構(gòu)相同，使得兩個(gè)網(wǎng)絡(luò)提取到的特征盡量相同。另外提

4、取低分辨率測(cè)試樣本特征的網(wǎng)絡(luò)比提取高分辨率人臉基準(zhǔn)特征的網(wǎng)絡(luò)多三層，這三層是為了增加低分辨率測(cè)試樣本的高頻信息。網(wǎng)絡(luò)的全連接層是提取到的人臉特征，兩個(gè)網(wǎng)絡(luò)輸入圖像的分辨率不同，但全連接層神經(jīng)元的個(gè)數(shù)保持相同，使得兩個(gè)網(wǎng)絡(luò)提取到的人臉特征維數(shù)相同，統(tǒng)一了高分辨率人臉基準(zhǔn)和低分辨率測(cè)試樣本的特征空間，卷積神經(jīng)網(wǎng)絡(luò)基于加州伯克利大學(xué)的深度學(xué)習(xí)框架caffe實(shí)現(xiàn)。利用兩個(gè)卷積網(wǎng)絡(luò)分別提取到高分辨率人臉基準(zhǔn)和低分辨率測(cè)試樣本的特征后使用聯(lián)合貝葉斯