摘要
针对当前视频监控中人脸分辨率低、识别难度大的问题,提出一种深度超分辨率的监控图像人脸识别框架。通过级联2个深度卷积神经网络模块,首先对获取的低分辨率人脸图像进行超分辨率重建,其次利用第2个卷积神将网络模块提取重构后的高分辨率人脸特征,提出一种结构优化的深度卷积神经网络,并将深度卷积神经网络学习到的特征送入SOFTMAX对人脸进行分类识别。在FERET数据集上进行验证,实验结果显示,研究提出的框架与传统方法相比,大幅提高低分辨率情况下的监控图像人脸识别精度。
In view of the low resolution and difficulty of recognition in current video surveillance, a deep superresolution framework for monitoring image face recognition is proposed. By cascading two convolutional neural network module, the low resolution face image acquisition of super-resolution reconstruction, followed by the second convolution God network module extraction from high resolution facial feature reconstruction, finally using SOFTMAX for face classification and recognition. Experimental results on the FERET dataset show that the proposed framework can significantly improve the accuracy of face recognition in low resolution situations compared with traditional methods.
作者
朱海
王国中
范涛
杨露
Zhu Hai;Wang Guozhong;Fan Tao;Yang Lu(School of Communication and Information Engineering,Shanghai University,Shanghai 200444,China)
出处
《电子测量技术》
2018年第16期61-64,共4页
Electronic Measurement Technology
基金
国家863项目(2015AA015903)资助
关键词
深度卷积网络级联
超分辨率重构
监控图像
人脸识别
deep convolution network cascade
super-resolution reconstruction
monitoring image
face recognition
作者简介
朱海，1993年出生，硕士研究生，主要研究方向为图像处理、多媒体通信。E-mail：zhuhai0607@163．com;王国中，1962年出生，博士生导师，主要研究方向为视频编解码与多媒体通信、图像处理、数字电视和视频云计算等。;范涛，1983年出生，博士后，主要研究方向为视频编码标准、3DTV和多媒体通信等。;杨露，1991年出生，硕士研究生，主要研究方向为阁像处理、多媒体通信。
