面对面的硬和软生物识别用于增强的零射击侧面人脸识别

科学领域:

• 计算机科学 计算机科学
• 生物识别信息 生物识别信息
• 人工智能的人工智能

背景情况:

• 面部识别技术对于个人识别至关重要.
• 现有的研究主要集中在正面的面部视图上,忽视了侧面的视角.
• 侧面视图对于身份至关重要,通常是唯一可用的生物识别数据.

研究的目的:

• 开发和评估新的软生物识别特征,用于从前面和侧面的不变提取.
• 通过将新型特征与深度学习功能融合,增强零射击侧面人脸识别.
• 为了提高只使用侧面信息识别个人的准确性.

主要方法:

• 建议基于面部人体识别的新型软生物识别特征,可从正面和侧面的面部视图中提取.
• 采用了一个框架,将这些软特征与基于视觉的深度特征融合在一起 (ResNet-50).
• 使用CMU Multi-PIE数据集进行前面面的训练和侧面的测试/查询.

主要成果:

• 拟议的软特征与ResNet-50深度特征的特征级融合显著提高了侧面人脸识别性能.
• 整合全球软生物识别技术进一步提高了准确度,高达23%.
• 该框架在零射击识别场景中表现出有效性.

结论:

• 拟议的软生物识别特征有效地提高了侧面人脸识别.
• 人类识别软特征与深度特征的融合为稳健的生物识别提供了有前途的方法.
• 这项研究涉及侧面人脸识别这一尚未探索的领域,提高了其实际适用性.