基于深度学习的人脸识别算法在视频监控的应用研究

摘要

针对监控摄像头存在成像质量差、实时人脸识别准确率较低的问题,文中基于深度学习框架,搭建了一种可用于实时监控的人脸识别模型。该模型主要包括人脸检测对齐模块与特征点识别模块,其中人脸检测对齐模块采用了MTCNN模型,并加入可分离卷积以提高其轻量化水平,进而使运行速度得到了有效提升。而人脸特征点识别模块采用了MobileFaceNet模型的设计思想,通过引入自适应因子来增强模型识别的准确度。利用剪枝算法对两大模块加以优化,从而进一步提高了模型的运行速度。实验测试结果表明,在使用相同数据集对模型进行训练的条件下,所设计模型的识别准确率最高,且其FPS值可达31 fps,故能够满足实时人脸识别的技术要求。