《表4 识别率统计结果:基于深度学习的人脸识别算法研究》
从图8可以看到,本文算法可以准确地识别目标人,图中用operator标记,其他人标记为陌生人。在RoboCup机器人世界杯大赛现场,由于光线、角度、人脸分辨率等因素,FaceNet官方的模型和传统算法误识别率非常高,把陌生人误识别为目标人导致识别错误。本文网络结构模型训练中加入了多角度不同光线下的数据集,同时也作了人脸对齐的相关处理,可以有效地减少光线和角度的影响,提升准确率。在RoboCup机器人世界杯上的出色表现充分验证了本文算法的识别可靠性。本文收集了近三年RoboCup机器人世界杯现场人脸识别测试集,实验对比结果如表4所示。
图表编号 | XD00163335200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 胡亚洲、周亚丽、张奇志 |
绘制单位 | 北京信息科技大学自动化学院、北京信息科技大学自动化学院、北京信息科技大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |