新冠疫情期间的高效口罩人脸识别方法
计算机视觉与模式识别
2024-04-15 v2
摘要
冠状病毒病（COVID-19）是一场空前的危机，导致大量伤亡与安全问题。为减少冠状病毒传播，人们常佩戴口罩以保护自身。由于面部部分区域被遮挡，这使得人脸识别成为一项非常困难的任务。在持续的新冠疫情期间，研究人员的首要重点是通过快速高效的方案来解决此问题。本文提出一种基于遮挡去除与深度学习特征的可靠方法，以应对口罩人脸识别过程中的问题。第一步是去除口罩遮挡的面部区域。接下来，我们应用三个预训练的深度卷积神经网络（CNN），即 VGG-16、AlexNet 和 ResNet-50，并利用它们从所得区域（主要是眼部和额头区域）提取深度特征。然后将词袋（Bag-of-features）范式应用于最后一层卷积层的特征图，以对其进行量化，并获得相较于经典 CNN 全连接层更精简的表示。最后，应用多层感知机（MLP）进行分类。在 Real-World-Masked-Face-Dataset 上的实验结果表明，与其他最先进（SOTA）方法相比，本方法具有更高的识别性能。
引用
@article{arxiv.2105.03026,
title = {Efficient Masked Face Recognition Method during the COVID-19 Pandemic},
author = {Walid Hariri},
journal= {arXiv preprint arXiv:2105.03026},
year = {2024}
}