BWCFace：基于执法记录仪的开集人脸识别
计算机视觉与模式识别
2020-09-25 v1
摘要
随着计算机视觉在过去十年达到拐点，人脸识别技术已广泛应用于警务、情报搜集和消费类应用。近来，人脸识别技术被部署于执法记录仪（body-worn camera）上以保障警员安全、实现态势感知并提供庭审证据。然而，针对该主题的学术研究有限，现有工作多使用传统技术和小样本数据集。本文旨在弥补最先进的使用执法记录仪（BWC）的人脸识别技术之间的差距。为此，本工作的贡献有两点：（1）收集了一个名为 BWCFace 的数据集，包含使用执法记录仪在室內与日光条件下采集的 132 名受试者的共 178K 张人脸图像；（2）在所采集数据集上，对最新的基于深度学习的卷积神经网络（Convolutional Neural Network, CNN）架构结合五种不同损失函数进行开集人脸识别评估。在我们的 BWCFace 数据集上的实验结果表明，当使用在大规模 VGGFace2 人脸图像数据集上训练的 SENet-50 提取人脸特征时，所得 Rank-1 准确率最高为 33.89%。然而，当在 BWCFace 数据集中的部分身份子集上对预训练 CNN 模型进行微调后，性能提升至最高 99.00% 的 Rank-1 准确率。在现有人脸数据集中使用的不同执法记录仪传感器型号上取得了相当的性能。所收集的 BWCFace 数据集与预训练/微调算法已公开，以促进该领域的进一步研发。联系作者可获取该数据集与算法的下载链接。
引用
@article{arxiv.2009.11458,
title = {BWCFace: Open-set Face Recognition using Body-worn Camera},
author = {Ali Almadan and Anoop Krishnan and Ajita Rattani},
journal= {arXiv preprint arXiv:2009.11458},
year = {2020}
}