《電子技術應用》
您所在的位置:首頁 > 人工智能 > 設計應用 > 人臉屬性識別系統的設計與實現
人臉屬性識別系統的設計與實現
2021年電子技術應用第4期
王高升
華北計算機系統工程研究所,北京100083
摘要: 目前,精確地進行人臉識別在現實場景中得到了大量的應用,如監控、門禁等,而只針對人臉屬性進行的識別在娛樂、安防和社交媒體領域同樣有著廣泛的應用。因此,基于深度卷積神經網絡MTCNN進行人臉檢測,基于Resnet50網絡進行人臉屬性的識別,同時使用Python語言設計開發實現人臉屬性識別應用界面的系統。通過數據實驗,該系統使用基于深度卷積神經網絡的人臉屬性識別模型在性別、年齡以及種族屬性的識別上準確率分別達到了97.32%、71.64%及92.13%,同時人臉屬性識別應用系統能夠穩定地運行,具有一定的應用價值。
中圖分類號: TN06;TP3
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.200354
中文引用格式: 王高升. 人臉屬性識別系統的設計與實現[J].電子技術應用,2021,47(4):112-115,125.
英文引用格式: Wang Gaosheng. Design and implementation of face attribute recognition system[J]. Application of Electronic Technique,2021,47(4):112-115,125.
Design and implementation of face attribute recognition system
Wang Gaosheng
National Computer System Engineering Research Institute of China,Beijing 100083,China
Abstract: At present, accurate face recognition has been widely used in real scenes, such as monitoring, access control, etc., and recognition only for face attributes is also widely used in entertainment, security and social media. Therefore, the paper is based on deep convolutional neural network MTCNN for face detection and Resnet50 network for face attribute recognition. At the same time, it uses Python language to design and develop a system that implements face attribute recognition application interface. Through data experiments, the system uses a face attribute recognition model based on deep convolutional neural networks to achieve 97.32%, 71.64% and 92.13% accuracy in identifying gender, age and ethnic attributes, respectively. At the same time, the face attribute recognition application system can run stably and has certain application value.
Key words : deep learning; convolutional neural network; face detection; face attributes recognition; application system development

0 引言

    人臉的屬性包含了人的面部相關重要的信息,如人的年齡、性別、種族等屬性信息。人臉屬性的識別就是借助提取出的人臉面部的屬性信息然后再進行識別的過程。最近的幾年來,隨著計算機視覺技術、深度學習卷積神經網絡的飛速發展與應用,出現了許多人臉檢測與識別相關的應用,其中常見的一些應用場景包括:道路上的行人監控系統(如檢測道路上的行人是否佩戴墨鏡或者口罩等)、人臉識別的門禁系統[1]以及采用人臉識別的打卡簽到系統等。雖然目前在人臉檢測與人臉屬性識別的方面得到了非常大的發展,不過很多的之前的研究僅僅局限于預測單個的人臉的屬性(例如性別或者年齡)或者為每個的人臉屬性信息都通過學習得到一個單獨的用于進行識別的模型。

    相比于基于HOG-多尺度LBP特征的人臉性別識別[2]的93.0%準確率,本文采用的人臉屬性識別網絡在性別屬性識別的準確率上有了4.32%的提升。文獻[2]提出了一種方向梯度直方圖和多尺度局部二值模式多特征融合的人臉性別識別算法。首先,對輸入圖像進行裁剪和縮放得到多個分辨率的人臉圖像,再分別提取LBP統計直方圖并合成一個特征向量;然后提取目標圖像頭肩模型的HOG特征得到HOG特征向量;最后,將LBP特征向量與HOG特征向量合成一個新的特征向量,應用支持向量機進行訓練。而相比于本文提出的采用深度卷積神經網絡進行人臉檢測及人臉屬性的識別,本文的網絡結構在性別屬性識別上有著更好的效果。

    同時本文采用的網絡結構相比于DEPGHAN A[3]提出的基于MTL的DCNN網絡去識別人臉的屬性,其網絡是基于不同的任務采用不同的數據集去訓練該DCNN網絡,本文通過采用Resnet50深度殘差卷積神經網絡同時進行人臉多屬性的識別,使用一個網絡結構實現多個人臉屬性的識別而非單一人臉屬性識別,同時本文人臉多屬性識別的準確率相比于基于MTL的DCNN網絡在年齡屬性識別及性別屬性識別上分別有7.64%和6.32%的提升,提升顯著。




本文詳細內容請下載:http://www.j7575.cn/resource/share/2000003487




作者信息:

王高升

(華北計算機系統工程研究所,北京100083)

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 成人精品视频 | 欧美成人看片一区二区三区尤物 | 成人伊人青草久久综合网破解版 | 8888四色奇米在线观看免费看 | 日韩欧美在线精品 | 欧美在线成人午夜网站 | 四虎影视大全 | 日韩精品第二页 | 久久免费视频2 | 97福利在线| 国产欧美自拍 | 99re在线免费视频 | 黄色在线视频免费 | 五月花婷婷| 99re在线观看 | 久久精品一区二区三区不卡牛牛 | 日韩免费视频在线观看 | 99热播在线观看 | 激情男人天堂 | 日韩精品第二页 | 日韩不卡视频在线 | 丁香花在线电影小说观看 | 激情丁香婷婷 | 四虎影视入口 | 久久久久免费精品国产 | 青草网| 国产一级一国产一级毛片 | 国产中文字幕亚洲 | 深田咏美中文字幕 | 四虎精品成人免费视频 | 免费在线看视频 | 2020最新国产精品视频 | 瑟瑟网站免费 | 激情在线网站 | 久久99久久99精品观看 | 欧美一级视 | 国外免费精品视频在线观看 | 国产成人免费观看 | 97精品国产97久久久久久 | 六芒星免费观看视频在线看第二集 | 婷婷丁香在线观看 |