基于高阶门控卷积的面部识别算法在电站身份识别中的应用

摘要

电站安全与国家安全和人民生产生活息息相关,因此对电站的出入人员进行准确的身份识别尤为重要。针对电站出入人员携带安全帽导致的面部特征采集不完全等问题,文章提出了融合高阶门控卷积模块对MTCNN和Face Net网络模型进行改进增强,通过显式建模人脸面部特征向量之间的高阶关联,使得模型可以学习到更加准确的特征映射函数,从而提高面部识别的准确率。在LFW数据集上,提出的改进方法相比于原Facenet模型的99.63%的准确率提高到了99.68%的准确率。最后,在电站的实际应用场景中,出入识别的准确率分别为99.12%和98.93%。