基于多任务CNN的人脸活体多属性检测

摘要：

人脸的活体检测是人脸识别系统的安全性保证,传统交互式活体状态识别中通常先进行关键点检测,再进行人脸活体状态判断,无法利用活体属性之间关联性同时进行多种活体属性检测.基于多任务卷积神经网络(convolutional neural net-work,CNN),提出了一种直接从输入人脸中同时判断人脸的眼睛睁闭状态、嘴巴的张闭状态、头部点头状态和摇头中左右侧脸状态四个任务的活体检测方法.该方法利用多层CNN强大的特征提取能力、多任务的并行能力和四个任务中的关联性,直接提取人脸照片中的特征信息,判断人脸多个活体属性.实际应用结果表明,这种基于多任务CNN方法的准确率在四个任务中均可达95％以上,甚至达到98％以上,无论检测的准确率还是同时检测多个任务的能力均明显优于传统的人脸活体属性检测方法.

关键词：多任务、卷积神经网络、人眼睁闭、嘴巴张闭、摇头、点头

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2017-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：88-92