自拍美颜滤镜对人脸检测与识别的影响

美颜与增强现实滤镜在利用智能手机或个人设备拍摄自拍图像的应用中非常流行。然而，它们会扭曲或修改生物特征，严重影响识别个体身份甚至检测人脸的能力。据此，我们探讨此类滤镜对自动人脸检测与识别准确率的影响。所研究的社交媒体图像滤镜要么修改图像对比度或光照，要么用例如人造眼镜或动物鼻子遮挡部分人脸。我们观察到部分滤镜的影响对人脸检测与身份识别均有害，尤其当它们 obfuscate 眼睛或(在较小程度上)鼻子时。为抵消该影响，我们开发了一种用改进版 U-NET 分割网络重建所施加操作的方法。观察到这有助于更好的人脸检测与识别准确率。从识别角度，我们采用距离度量与训练的机器学习算法，应用于使用训练用于人脸识别的 ResNet-34 网络提取的特征。我们也评估将滤镜图像加入机器学习方法的训练集是否有利于身份识别。我们的结果显示，在滤镜不遮挡重要关键点(尤其是眼睛)时识别良好(识别准确率 >99%，EER<2%)。所提方法的组合效果也缓解了遮挡部分人脸滤镜的影响，在评估的大多数扰动下实现 >92% 的识别准确率与 <8% 的 EER。尽管仍有改进空间，当既不应用 U-NET 重建也不应用滤镜图像训练时，严重遮挡眼睛滤镜下的准确率 <72%(识别)且 >12%(EER)。