儿童人脸识别的纵向研究
计算机视觉与模式识别
2017-11-15 v1
摘要
我们针对儿童纵向人脸（CLF）数据集开展人脸识别性能的纵向研究，该数据集包含 919 名受试者、年龄区间 [2, 18] 岁的 3,682 张人脸图像。每名受试者至少有四张在最长六年时间跨度内采集的人脸图像。人脸比对分数来自 (i) 最先进的商业闭源 matcher（COTS-A），(ii) 开源 matcher（FaceNet），以及 (iii) COTS-A 与 FaceNet matcher 所得分数的简单求和融合。为提升开源 FaceNet matcher 在儿童人脸识别上的性能，我们得以在一个独立的训练集上对其微调，该训练集包含年龄区间 [3, 18] 岁的 1,119 名儿童的 3,294 张人脸图像。对来自 CLF 数据集的真实比对分数拟合多水平统计模型，以确定人脸识别精度随时间的下降。此外，我们分析验证与开集识别精度，以评估最先进的人脸识别技术在追踪与识别幼年时失踪、作为拐卖或绑架受害者的儿童方面的能力。
引用
@article{arxiv.1711.03990,
title = {Longitudinal Study of Child Face Recognition},
author = {Debayan Deb and Neeta Nain and Anil K. Jain},
journal= {arXiv preprint arXiv:1711.03990},
year = {2017}
}