本文版權為《郵電設計技術》所有，如需轉(zhuǎn)載請聯(lián)系《郵電設計技術》編輯部
摘 要：
人臉識別技術在智能城市建設中廣泛應用，傳統(tǒng)人臉識別算法依賴人工設定的特征，通常會帶來不可期望的人為因素和誤差。隨著計算機算力的提升，基于神經(jīng)網(wǎng)絡的人臉識別方法由于其準確高效深受工業(yè)界偏愛。提出了基于多任務卷積神經(jīng)網(wǎng)絡（MTCNN——Multi-task Cascaded Convolutional Networks）和Facenet的人臉識別方法，并實現(xiàn)了從圖像處理到識別結果輸出的整個人臉識別系統(tǒng)。
關鍵詞：人臉識別；MTCNN；Facenet；系統(tǒng)
doi：10.12045/j.issn.1007-3043.2020.02.008
前言
隨著計算機及網(wǎng)絡的發(fā)展，人臉識別技術在國家安全、公安、司法、電子商務、安保監(jiān)控、安全檢查等領域被越來越多地應用。傳統(tǒng)人臉識別方法依賴于人工設計的特征（比如邊和紋理描述量）與機器學習技術（比如主成分分析、線性判別分析或支持向量機）。人工設計的特征在無約束環(huán)境中的穩(wěn)健性較差，這使得過去的研究者側(cè)重研究針對不同變化類型的專用方法，比如能應對不同年齡的方法、能應對不同姿勢的方法、能應對不同光照條件的方法等。近段時間，傳統(tǒng)的人臉識別方法已經(jīng)被基于卷積神經(jīng)網(wǎng)絡（CNN）的深度學習方法代替。其主要優(yōu)勢是它可以用非常大型的數(shù)據(jù)集進行訓練，從而學習到表征這些數(shù)據(jù)的最佳特征。本文提出了一種基于MTCNN和Facenet的人臉識別方法。
