基于边缘计算中极端姿态和表情的人脸识别
2021年电子技术应用第6期
况朝青1，2，3，贺 超1，2，3，王均成1，2，3，邹建纹1，2，3
1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆高校市级光通信与网络重点实验室，重庆 400065； 3.泛在感知与互联重庆市重点实验室，重庆 400065
摘要： 随着信息技术的发展，人脸识别在支付、工作和安防系统中应用的越来越多。在边缘计算系统中，为了处理的速度，通常选择较小的神经网络进行人脸识别，这样会导致识别率低。并且在实际应用中大多都是对于图片质量较高的人脸可以很好地识别，但对于受光照影响较大、表情和姿态变化大的图片识别率不是很高。因此，选择SqueezeNet轻量级网络，该网络层数小，可以很好地运用于边缘计算系统中。采用了预处理的方法来对图片进行预处理，然后改进了SqueezeNet网络的损失函数以及加入了ResNet网络中的残差学习方法。最后通过对LFW和IJB-A数据集进行测试，该研究方法明显提高了识别率。
中图分类号： TN911.73；TP391.4
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200968
中文引用格式： 况朝青，贺超，王均成，等. 基于边缘计算中极端姿态和表情的人脸识别[J].电子技术应用，2021，47(6)：30-34.
英文引用格式： Kuang Chaoqing，He Chao，Wang Juncheng，et al. Face recognition with extreme posture and expression[J]. Application of Electronic Technique，2021，47(6)：30-34.
文献标识码： A
DOI：10.16157/j.issn.0258-7998.200968
中文引用格式： 况朝青，贺超，王均成，等. 基于边缘计算中极端姿态和表情的人脸识别[J].电子技术应用，2021，47(6)：30-34.
英文引用格式： Kuang Chaoqing，He Chao，Wang Juncheng，et al. Face recognition with extreme posture and expression[J]. Application of Electronic Technique，2021，47(6)：30-34.
Face recognition with extreme posture and expression
Kuang Chaoqing1，2，3，He Chao1，2，3，Wang Juncheng1，2，3，Zou Jianwen1，2，3
1.School of Communication and Information Engineering，Chongqing University of Posts and Telecommunications， Chongqing 400065，China； 2.Optical Communications and Networks Key Laboratory of Chongqing，Chongqing 400065，China； 3.Ubiquitous Sensing and Networking Key Laboratory of Chongqing，Chongqing 400065，China
Abstract： With the development of information technology, face recognition is used more and more in payment, work and security system. In the edge computing system, in order to deal with the speed, we usually choose a smaller neural network for face recognition, which may cause the recognition rate is not very high. And in practical applications, most of them can recognize the face with high image quality, but the recognition rate is not very high for the face which is greatly affected by the light and has great changes in expression and posture. Therefore, this paper chooses the SqueezeNet lightweight network, which has a small number of layers and can be well used in edge computing system. The method of preprocessing is used to preprocess the image, and then the loss function of SqueezeNet network and the residual learning method of ResNet network are improved. Finally, through the test of LFW and IJB-A data set, it is concluded that the research method in this paper can significantly improve the recognition rate.
Key words : neural network；face recognition；preprocessing；SqueezeNet network；ResNet network
0 引言
近年来，人脸识别受到越来越多的关注，主要是通过神经网络模型来进行人脸识别。但人脸识别依然是一个非常重要但又极具挑战性的问题，主要是现在大部分的人脸识别采用的图像都是静态和质量较高的图片，所以识别效果很好。但在实际应用中，人脸图像受到光照、表情和较大的姿态变化的影响，可能导致识别率急剧下降。因此，采用一种预处理的方式来处理图片，提高图片的质量，成为了当下研究的关键[1]。并且在边缘计算系统中，采用大型网络来进行人脸识别是不现实的，主要是受到处理器的速度和功耗的影响，因此这方面的应用成为了研究的热点。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003569。
作者信息：
况朝青1，2，3，贺 超1，2，3，王均成1，2，3，邹建纹1，2，3
(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆高校市级光通信与网络重点实验室，重庆 400065；
3.泛在感知与互联重庆市重点实验室，重庆 400065)
此内容为AET网站原创，未经授权禁止转载。