面具化人脸识别技术进展的包容性综述
计算机视觉与模式识别
2025-08-05 v1 人工智能
摘要
口罩化人脸识别 (MFR) 是生物识别技术中日益重要的领域，尤其是在新冠疫情后广泛使用口罩的背景下。这一发展为人脸识别系统带来了由于面部特征部分遮挡而造成的新挑战。本文旨在提供该领域最新发展的综合综述，重点关注深度学习技术，特别是卷积神经网络 (CNN) 和双胞胎网络 (Siamese 网络)，它们在提高遮挡人脸识别准确率方面发挥了关键作用。本文讨论了最突出的挑战，包括光照变化、不同的面部位置、部分遮挡以及口罩类型对系统性能的影响。还综述了为克服这些挑战而开发的先进技术，包括使用人工数据库进行数据增强以及利用多媒体方法提高系统泛化能力。此外，本文概述了深度网络设计、特征提取技术、评估标准以及该领域使用的数据集的最新进展。进一步地，本文综述了口罩人脸识别在安防和医疗等领域的各种应用，凸显了在持续的健康危机和日益增长的安全威胁的背景下，这些系统日益重要。最后，本文聚焦于未来研究趋势，如开发更高效的算法并整合多媒体技术以提高实际环境中识别系统的性能并扩展其应用。
引用
@article{arxiv.2508.00841,
title = {Inclusive Review on Advances in Masked Human Face Recognition Technologies},
author = {Ali Haitham Abdul Amir and Zainab N. Nemer},
journal= {arXiv preprint arXiv:2508.00841},
year = {2025}
}