摘要：随着人工智能在计算机视觉领域的飞速发展,越来越多的经典人工智能算法被应用于多人脸识别研究。其中,mtcnn算法在多人脸识别方面表现较好,但在识别精度上还有较大提升空间。本研究从经典的mtcnn算法框架出发,对其子算法NMS算法进行评估与改进,并对NMS算法与改进NMS算法在P-Net、R-Net、O-Net各个级联网络中的表现差异进行比较与理论分析。对改进后的NMS算法进行主观和客观相结合、横向比较与纵向比较相结合的多种维度方式的评估与鉴别。实验结果表明,本研究设计的模型在数据集LFW上的人脸识别准确率为94.56%,可为多人脸识别研究提供参考。

摘要：针对经典的人脸检测卷积神经网络模型(CNN)对人脸检测准确率不高的问题,设计一种改进的多任务卷积神经网络(mtcnn).通过对原始mtcnn算法进行迁移学习,微调模型参数,提出人脸误检判别公式.在LFW人脸数据集上进行实验,先调整mtcnn关键参数的值,找出最合适的人脸置信度阈值,再使用人脸误检判别公式.实验结果表明:改进后的mtcnn算法较改进之前在检测准确率上有了较大提升,而且提出的改进策略使自然环境中人脸检测的速度也有了提高.

摘要：对于在正常照明技术下采集得到的人脸图像,现有的人脸识别算法如mtcnn算法、RetinaFace算法,已经能够取得相当高的人脸识别率。然而在某些特殊应用中,对于在特殊照明技术下采集得到的人脸图像,现有的人脸识别算法是否具有很好的鲁棒性,保持较高的人脸识别率,并没有确切的实验结果能够给出我们结论。本文收集了6 000多张在不同照明技术下得到的人脸图像作为我们的混合人脸数据库,并利用LBPH算法、卷积神经网络(CNN)、mtcnn算法、RetinaFace算法设计出了四种有效的人脸识别网络,分别对开源的WIDER FACE人脸数据库和我们的混合人脸数据库进行了测试。最终发现RetinaFace算法对于不同照明技术得到的人脸图像具有较好的鲁棒性。我们进一步利用深度学习标注工具对RetinaFace算法误判的人脸图像进行了标注,并将标注后的图像送入到RetinaFace人脸识别网络中重新训练,优化后的RetinaFace人脸检测模型得到了98.6%的人脸识别准确率,使得RetinaFace算法对不同光照条件的鲁棒性取得了进一步的提升。

摘要：随着智能设备的飞速发展,人脸检测技术在安保方面、金融方面等得到了广泛的应用。该文设计一种基于mtcnn和MobileFaceNet算法的人脸检测及识别系统。通过mtcnn算法输出人脸候选框及面部特征关键点坐标,MobileFaceNet算法根据mtcnn输出的人脸面部特征点进行识别判断,最后基于小视科技的静默活体检测算法,对移动人脸进行检测,最终实现活体检测。实验中人脸识别分数阈值设置为0.4,活体检测置信度设置为0.89,误检率较低,满足设计需求。

摘要：针对高校监考任务繁重且传统监考作弊取证较难等问题,设计了基于视频行为分析的智能监考辅助系统。该系统首先应用视频流实时处理算法对视频流进行解码,然后运用YOLOv3算法检测出人体以及违禁品边框,接着用mtcnn算法检测面部姿态,最后对行为异常进行检测分析并给出异常警告。通过使用该系统,能够实现自动检测考生作弊行为并且可以自动预警和保存作弊行为。经过测试,系统的识别结果准确率能够达到百分之五十以上,能够起到辅助监考的作用。

摘要：随着技术发展,智能门禁系统已经走入人们的日常生活中。更加智能、安全、低成本的门禁系统是智能家居的研究热点之一。以智能门锁为研究对象,以价格低廉的树莓派4B作为智能门锁核心控制单元,结合摄像头、智能开关锁、显示器等作为智能门锁硬件。同时,在识别算法中引入mtcnn+FaceNet,针对FaceNet与训练模型存在对中国人脸识别准确率不高的问题,对该模型在适用于中国人脸的数据集上,对该方法进行迁移学习再次训练。在LFW数据集上对模型进行评估,精度可达到98.6%。测试结果表明,该系统可以有效识别人脸并进行开锁操作,同时在Android APP中也可以进行远程操作,而且系统功能完整,识别准确率较高,价格低廉,在智能家居中有较高的使用价值。