基于深度学习的抗年龄干扰人脸识别

摘要：

随着年龄的增长,人脸的形状、纹理等特征会随之发生较明显的改变从而造成显著的类内干扰,这使得人脸识别的性能大大降低.为了解决上述问题,本文基于深度卷积神经网络将年龄估计任务和人脸识别任务相结合,提出了一种抗年龄干扰的人脸识别新方法AD-CNN(Age decomposition convolution neural network),首先将卷积块注意力模型(Convo-lutional block attention module,CBAM)嵌入到残差网络中以学习更具有代表性的面部特征,随后利用线性回归指导年龄估计任务,提取出年龄干扰因子,通过多层感知机将整个面部特征与年龄干扰特征投影到同一线性可分空间,最后从面部稳定的特征中将年龄干扰分离,得到与年龄无关的面部特征,并采用改进后的角度损失函数基于年龄无关的身份特征进行人脸识别任务,从而达到抑制年龄干扰的目的.本文在MORPH和FGNET数据集上的识别正确率分别达到了 98.93％,和 90.0％,充分证实了本文所提方法的先进性和有效性.

关键词：人脸识别、年龄干扰、深度学习、年龄估计、卷积神经网络注意力模型

所属期刊栏目：48

分类号：TP391.41;TP183;TN911.73

资助基金：国家自然科学基金41574136

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：877-886