基于深度学习的人脸识别技术在大量应用场景中表现出优于传统方法的性能, 它们的损失函数大致可分为 2类: 基于验证的和基于辨识的。验证型损失函数符合开集人脸识别的流程, 但实施过程比较困难。因此目前性能较优的人脸识别算法都是基于辨识型损失而设计的, 通常由 softmax输出单元和交叉熵损失构成, 但辨识型损失并没有将训练过程与评估过程统一起来。本文针对开集人脸识别任务提出一种新的验证型损失函数, 即最大化受试者工作特征(ROC)曲线下的部分面积(pAUC); 同时还提出一种类中心学习策略提高训练效率, 使提出的验证型损失和辨识型损失有较强的可比性。在 5个大规模非限定环境下的人脸数据集上的实验结果表明, 提出的方法和目前性能最优的人脸识别方法相比, 具有很强的竞争性。
人脸识别 部分面积优化 损失函数 类中心 face recognition partial Area Under Curve optimization loss function class centers 太赫兹科学与电子信息学报
2023, 21(9): 1150
针对传统人脸识别方法识别性能较差，基于深度学习的方法在非限制条件下识别较为困难，人脸特征区分性弱，识别精度容易受到姿势、表情等方面影响的问题，提出了一种引入卷积块注意力模块的孪生神经网络模型结构。该结构是基于孪生神经网络（Siamese neural network）的基础框架进行改进的，在框架中引入改进的VGG11_BN模型进行特征提取。该模型是在VGG11结构的基础上引入批归一化（Batch Normalization，BN）技术，在原模型结构的基础上，提出引入CBAM混合注意力机制的特征提取网络；最后，针对目前亚洲人的人脸识别训练较少的情况，采用更加符合亚洲人脸特征的CASIA-FaceV5数据集进行识别训练。实验结果表明：本文算法在人脸识别方面的准确率达到了96.67%，并且在CAS-PEAL-R1人脸数据集上比SRGES，VGG11+siamese算法的准确率分别提升6.05%，6.7%。该算法可以在多因素影响下更好地进行人脸识别验证，具有良好的稳定性。
人脸识别 孪生神经网络 深度学习 注意力机制 稳定性 face recognition Siamese neural network deep learning attention mechanism robustness 光学 精密工程
2023, 31(21): 3192
1 安徽建筑大学 电子与信息工程学院，安徽 合肥 230601
2 清华大学 合肥公共安全研究院，安徽 合肥 230601
3 清华大学 精密仪器系 精密测试技术及仪器国家重点实验室，北京 100084
从人脸特征中剔除年龄相关特征，获得纯粹的身份特征，是实现跨年龄人脸识别的重要手段；然而，主流的身份特征提取方法忽略了对身份-年龄共享特征的处理，导致提取到的身份特征不完整。为此，提出引入身份-年龄共享特征的新方法，将混合人脸特征解耦为纯年龄相关特征、纯身份相关特征以及身份-年龄共享特征，然后将纯身份相关特征和身份-年龄共享特征进行多维耦合，从而得到完整的身份特征，有效提高跨年龄人脸识别的准确率。在人脸老化基准数据集Age-DB30上本文方法的识别准确率达到了97.07%，在LFW数据集上达到了99.73%的识别准确率，证明了所提方法的有效性与先进性。
人脸识别 年龄不变 变换 典型相关分析 face recognition age invariant transformation canonical correlation analysis
1 清华大学合肥公共安全研究院，安徽 合肥 230601
2 清华大学精密测试技术及仪器国家重点实验室，北京 100084
3 合肥市公安局刑事警察支队，安徽 合肥 230601
人脸特征随着年龄变化而变化，会严重影响人脸识别的性能。提出一种基于Transformer的跨年龄人脸识别方法，首先通过改善的T2T-ViT模型提取人脸年龄和身份混合特征，然后通过残差因子分解获取人脸年龄特征和身份特征，再使用线性特征分解的去相关对抗式学习算法对人脸的年龄特征和身份特征去除相关性，从而实现年龄抗干扰性的人脸识别。相比基于卷积神经网络的DAL和MTLFace方法，所提方法在参数量、multiply-add operations（MACs）和计算耗时上均有明显降低，同时在基准数据集AgeDB-30、CACD_VS、CALFW、LFW上取得了相媲美的准确率，证明了所提方法的有效性。
人脸识别 年龄不变性 Transformer 相关性分析 激光与光电子学进展
2023, 60(10): 1010019
1 安徽建筑大学机械与电气工程学院，安徽 合肥 230601
2 安徽建筑大学建筑机械故障诊断与预警重点实验室，安徽 合肥 230601
3 工程机械智能制造重点实验室，安徽 合肥 230601
热红外成像在人脸识别中具有重要的应用价值，但存在分辨率低、细节不清、边界模糊等不足。通过分析人脸长波红外偏振图像的特征，研究偏振探测技术对人脸热红外成像纹理细节的增强效果；基于高斯差分（DoG）边缘特征图像修正色域通道映射权重，提出一种人脸偏振热像RGB空间融合框架；利用方向梯度直方图（HOG）获取红外偏振人脸特征，提出一种基于支持向量机（SVM）的人脸识别方法。实验结果表明，偏振探测能够增强人脸红外热像的纹理和细节，RGB色域融合可以提高人脸长波红外热像的结构相似性，偏振红外人脸热像的质量指标整体优于普通红外热像；利用偏振红外人脸热像进行人脸识别时，所提框架的精度可达到75.6%。
偏振热像 人脸识别 色域融合 支持向量机 激光与光电子学进展
2022, 59(12): 1233001
1 合肥工业大学计算机与信息学院，安徽 合肥 230009
2 工业安全与应急技术安徽省重点实验室，安徽 合肥 230009
3 安徽省蚌埠市公安局科技信息科，安徽 蚌埠 233040
随着可见光-红外双模相机在视频监控中的广泛应用，跨模态人脸识别也成为计算机视觉领域的研究热点，而将近红外域人脸图像转化为可见光域人脸图像是跨模态人脸识别中的关键问题，在刑侦安防领域有着重要研究价值。针对近红外人脸图像在着色过程中面部轮廓易被扭曲、肤色还原不真实等问题，本文提出了一种双重对比学习框架下的近红外-可见光人脸图像转换方法。该方法构建了基于StyleGAN2结构的生成器网络并将其嵌入到双重对比学习框架下，利用双向的对比学习挖掘人脸图像的精细化表征。同时，本文设计了一种面部边缘增强损失，利用从源域图像中提取的面部边缘信息进一步强化生成人脸图像中的面部细节、提高人脸图像的视觉效果。最后，在NIR-VIS Sx1和NIR-VIS Sx2数据集上的实验表明，与近期的主流方法相比，本文方法生成的可见光人脸图像更加贴近真实图像，能够更好地还原人脸图像的面部边缘细节和肤色信息。
针对目前大多数人脸识别算法参数多、计算量大, 难以部署到移动端和嵌入式设备中的问题, 提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整, 将bottleneck模块优化为sandglass模块, 改良深度卷积和逐点卷积的相对位置, 适当增大sandglass模块的输出通道数, 从而减少特征压缩时的信息丢失, 增强人脸空间特征的提取。实验结果表明: 改进后的方法在LFW测试数据集上准确率达99.15%, 模型大小和计算量分别仅为原算法的61%和45%, 验证了所提方法的有效性。
人脸识别 深度学习 卷积神经网络 深度可分离卷积 face recognition MobileFaceNet MobileFaceNet deep learning convolutional neural network depthwise separable convolution
1 广东工业大学信息工程学院，广东 广州 510006
2 西北农林科技大学信息工程学院，陕西 咸阳 712100
3 国家农业信息化工程技术研究中心，北京 100097
4 北京交通大学交通运输学院，北京 100044
年龄变化是影响人脸识别模型性能的主要原因之一，为解决年龄变化所带来的模型识别率低的问题，提出了一种基于深度学习的跨年龄卷积神经网络模型（CA-CNN）用于跨年龄人脸识别。首先，利用卷积神经网络提取人脸图像中的深度人脸特征；然后，提出一种高效的卷积注意力模块从深度人脸特征中获取年龄特征，并结合多层感知机和多任务监督学习，将深度人脸特征非线性分解为年龄特征和身份特征；最后，为了更好地区分身份特征和年龄特征，提出了一种批核典型相关性分析模块对分解后的身份特征和年龄特征进行相关性分析。经过对抗性学习训练后，相关性最小化，实现了跨年龄人脸识别。所提模型在MORPH Album 2数据集上的rank-1识别准确率达到了99.03%，在CALFM数据集上的人脸验证等错率为9.8%，表明了所提模型的有效性。
机器视觉 人脸识别 深度学习 注意力模型 相关性分析 跨年龄 激光与光电子学进展
2022, 59(2): 0215001
1 天津工业大学电子与信息工程学院天津市光电检测技术与系统重点实验室，天津 300387
2 大功率半导体照明应用系统教育部工程研究中心，天津 300387
3 天津工业大学控制科学与工程学院，天津 300387
针对人脸识别与年龄估计系统中的环境光照问题，提出了一种基于多任务卷积神经网络的变化光照下人脸识别与年龄估计的方法。所提方法提高了可变光照下人脸图像的识别率和年龄估计的准确率。采用YCbCr颜色空间的Retinex图像增强算法提高人脸识别和年龄估计精度，并进行了3种距离10种调光等级下的人脸识别与年龄估计实验。实验结果表明，与原图相比，利用改进后方法得到的人脸图像的识别率均有提升，年龄估计的平均绝对误差均有所下降。在调光等级为40%、距离为1，2，3 m时，人脸识别率分别提升了3个百分点、19个百分点、25个百分点，年龄估计的平均绝对误差分别下降了1.20、2.99、2.00。同时，在研究中发现，当未增加图像增强算法的人脸图像灰度均值在50.18以上时，人脸识别与年龄估计效果较好。当低于该值时，则需要增加图像增强算法来提高人脸识别与年龄估计的精度。在增加图像增强算法后，当人脸图像灰度均值在56.61以上时，人脸识别与年龄估计效果较好且视觉效果和图像质量均更好。
图像处理 人脸检测 人脸识别 年龄估计 变化光照 激光与光电子学进展
2022, 59(2): 0210019
