一种基于聚类相似度的面部识别技术，侧重于带口罩人脸
计算机视觉与模式识别
2025-04-23 v2 人工智能
摘要
识别带有与不带口罩的同一人脸对于确保安全、访问控制和公共安全中的一致识别至关重要。在执法、医疗和监视等场景中，必须保持准确识别。本研究聚焦于识别同一人脸带与不带口罩的挑战，通过采用余弦相似度作为主要技术。随着口罩使用的增加，传统人脸识别系统面临显著精度问题，这使得开发能够可靠识别口罩下身份的技术至关重要。为此，本研究提出了 Masked-Unmasked Face Matching Model（MUFM）。该模型采用视觉几何组（VGG16）模型进行迁移学习，以提取显著的面部特征，然后利用 K 近邻（K-NN）算法进行分类。采用余弦相似度度量来比较同一人士的带口罩和不带口罩的人脸。这种方法的独特贡献在于首次使用余弦相似度识别带口罩与不带口罩的同一人。通过整合这些先进的方法，研究表明能够在口罩存在的情况下有效识别身份，解决了传统系统的重要局限。数据收集也是本工作的重要组成部分，通过收集和准备来自三个不同来源的数据集，尤其是其中一些数据来自实际提供的全面数据来源。所使用的图像数据集已收集于三个不同的数据集中，包含带口罩和不带口罩的同一人脸。
引用
@article{arxiv.2501.04444,
title = {A novel Facial Recognition technique with Focusing on Masked Faces},
author = {Dana A Abdullah and Dana Rasul Hamad and Ismail Y. Maolood and Hakem Beitollahi and Aso K. Ameen and Sirwan A. Aula and Abdulhady Abas Abdulla and Mohammed Y. Shakorf and Sabat Salih Muhamad},
journal= {arXiv preprint arXiv:2501.04444},
year = {2025}
}