《電子技術應用》
您所在的位置:首頁 > 人工智能 > 設計應用 > 人臉屬性識別系統的設計與實現
人臉屬性識別系統的設計與實現
2021年電子技術應用第4期
王高升
華北計算機系統工程研究所,北京100083
摘要: 目前,精確地進行人臉識別在現實場景中得到了大量的應用,如監控、門禁等,而只針對人臉屬性進行的識別在娛樂、安防和社交媒體領域同樣有著廣泛的應用。因此,基于深度卷積神經網絡MTCNN進行人臉檢測,基于Resnet50網絡進行人臉屬性的識別,同時使用Python語言設計開發實現人臉屬性識別應用界面的系統。通過數據實驗,該系統使用基于深度卷積神經網絡的人臉屬性識別模型在性別、年齡以及種族屬性的識別上準確率分別達到了97.32%、71.64%及92.13%,同時人臉屬性識別應用系統能夠穩定地運行,具有一定的應用價值。
中圖分類號: TN06;TP3
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.200354
中文引用格式: 王高升. 人臉屬性識別系統的設計與實現[J].電子技術應用,2021,47(4):112-115,125.
英文引用格式: Wang Gaosheng. Design and implementation of face attribute recognition system[J]. Application of Electronic Technique,2021,47(4):112-115,125.
Design and implementation of face attribute recognition system
Wang Gaosheng
National Computer System Engineering Research Institute of China,Beijing 100083,China
Abstract: At present, accurate face recognition has been widely used in real scenes, such as monitoring, access control, etc., and recognition only for face attributes is also widely used in entertainment, security and social media. Therefore, the paper is based on deep convolutional neural network MTCNN for face detection and Resnet50 network for face attribute recognition. At the same time, it uses Python language to design and develop a system that implements face attribute recognition application interface. Through data experiments, the system uses a face attribute recognition model based on deep convolutional neural networks to achieve 97.32%, 71.64% and 92.13% accuracy in identifying gender, age and ethnic attributes, respectively. At the same time, the face attribute recognition application system can run stably and has certain application value.
Key words : deep learning; convolutional neural network; face detection; face attributes recognition; application system development

0 引言

    人臉的屬性包含了人的面部相關重要的信息,如人的年齡、性別、種族等屬性信息。人臉屬性的識別就是借助提取出的人臉面部的屬性信息然后再進行識別的過程。最近的幾年來,隨著計算機視覺技術、深度學習卷積神經網絡的飛速發展與應用,出現了許多人臉檢測與識別相關的應用,其中常見的一些應用場景包括:道路上的行人監控系統(如檢測道路上的行人是否佩戴墨鏡或者口罩等)、人臉識別的門禁系統[1]以及采用人臉識別的打卡簽到系統等。雖然目前在人臉檢測與人臉屬性識別的方面得到了非常大的發展,不過很多的之前的研究僅僅局限于預測單個的人臉的屬性(例如性別或者年齡)或者為每個的人臉屬性信息都通過學習得到一個單獨的用于進行識別的模型。

    相比于基于HOG-多尺度LBP特征的人臉性別識別[2]的93.0%準確率,本文采用的人臉屬性識別網絡在性別屬性識別的準確率上有了4.32%的提升。文獻[2]提出了一種方向梯度直方圖和多尺度局部二值模式多特征融合的人臉性別識別算法。首先,對輸入圖像進行裁剪和縮放得到多個分辨率的人臉圖像,再分別提取LBP統計直方圖并合成一個特征向量;然后提取目標圖像頭肩模型的HOG特征得到HOG特征向量;最后,將LBP特征向量與HOG特征向量合成一個新的特征向量,應用支持向量機進行訓練。而相比于本文提出的采用深度卷積神經網絡進行人臉檢測及人臉屬性的識別,本文的網絡結構在性別屬性識別上有著更好的效果。

    同時本文采用的網絡結構相比于DEPGHAN A[3]提出的基于MTL的DCNN網絡去識別人臉的屬性,其網絡是基于不同的任務采用不同的數據集去訓練該DCNN網絡,本文通過采用Resnet50深度殘差卷積神經網絡同時進行人臉多屬性的識別,使用一個網絡結構實現多個人臉屬性的識別而非單一人臉屬性識別,同時本文人臉多屬性識別的準確率相比于基于MTL的DCNN網絡在年齡屬性識別及性別屬性識別上分別有7.64%和6.32%的提升,提升顯著。




本文詳細內容請下載:http://www.cowatch.cn/resource/share/2000003487




作者信息:

王高升

(華北計算機系統工程研究所,北京100083)

此內容為AET網站原創,未經授權禁止轉載。
热re99久久精品国产66热_欧美小视频在线观看_日韩成人激情影院_庆余年2免费日韩剧观看大牛_91久久久久久国产精品_国产原创欧美精品_美女999久久久精品视频_欧美大成色www永久网站婷_国产色婷婷国产综合在线理论片a_国产精品电影在线观看_日韩精品视频在线观看网址_97在线观看免费_性欧美亚洲xxxx乳在线观看_久久精品美女视频网站_777国产偷窥盗摄精品视频_在线日韩第一页
  • <strike id="ygamy"></strike>
  • 
    
      • <del id="ygamy"></del>
        <tfoot id="ygamy"></tfoot>
          <strike id="ygamy"></strike>
          亚洲线精品一区二区三区八戒| 久久久人成影片一区二区三区| 免费看成人av| 黄色成人在线观看| 亚洲电影在线观看| 亚洲欧美日韩国产另类专区| 1024日韩| 久久精品中文字幕一区二区三区| 国产精品日韩欧美一区二区| 亚洲精品美女在线| 亚洲美女中文字幕| 一区二区三区视频在线看| 正在播放欧美一区| 国产精品日韩一区二区| 国产精品成人一区| 欧美成人一区二区| 亚洲一区中文| 亚洲免费福利视频| 国产精品美女主播在线观看纯欲| 猛男gaygay欧美视频| 亚洲自拍电影| 午夜精品久久久久久99热| 亚洲大片av| 国产乱理伦片在线观看夜一区| 欧美精品一区二区视频| 亚洲午夜影视影院在线观看| 99精品福利视频| 国产精品亚洲人在线观看| 久久精品亚洲一区二区| 欧美日韩一区二区三区在线看| 国产精品va在线播放我和闺蜜| 亚洲一区二区av电影| 国产亚洲毛片| 欧美精品乱人伦久久久久久| aa日韩免费精品视频一| 欧美电影免费观看大全| 久久久久青草大香线综合精品| 制服丝袜亚洲播放| 国产精品进线69影院| 欧美日韩免费观看一区三区| 精品av久久久久电影| 在线日本欧美| 亚洲二区在线观看| 亚洲精品久久久久久一区二区| 午夜在线电影亚洲一区| 亚洲免费一在线| 亚洲免费人成在线视频观看| 久久精品国产亚洲高清剧情介绍| 亚洲欧美国产另类| 欧美成人在线免费视频| 欧美伊人久久久久久久久影院| 久久一区二区三区国产精品| 国产欧美韩国高清| 国内外成人免费激情在线视频| 国产欧美日韩在线播放| 1024成人| 国产精品成人一区二区三区吃奶| 欧美日韩中字| 欧美精品一区二区在线观看| 久久蜜臀精品av| 老司机免费视频一区二区三区| 欧美午夜视频在线| 久久av老司机精品网站导航| 欧美一区二区成人6969| 亚洲制服丝袜在线| 久久成人亚洲| 午夜精品久久久久影视| 国内精品久久久久国产盗摄免费观看完整版| 欧美精选午夜久久久乱码6080| 在线视频国内自拍亚洲视频| 亚洲福利视频一区| 欧美日韩精品免费观看视一区二区| 久久婷婷影院| 久久精品日韩一区二区三区| 亚洲午夜未删减在线观看| 亚洲免费观看高清完整版在线观看| 国产欧美一区二区精品秋霞影院| 欧美久久影院| 久久婷婷国产麻豆91天堂| 国产精品一区二区三区乱码| 亚洲一区二区免费| 亚洲日本欧美天堂| 亚洲伊人伊色伊影伊综合网| 久久精品av麻豆的观看方式| 久久亚洲精品网站| 一区二区三区四区在线| 中文久久乱码一区二区| 欧美视频精品一区| 国产日韩av一区二区| 亚洲在线播放电影| 欧美亚州在线观看| 欧美视频在线观看一区| 国产精品成人v| 在线观看国产一区二区| 欧美精品一区在线发布| 亚洲精品久久7777| 一本久道久久综合狠狠爱| 欲香欲色天天天综合和网| 国产精品久久久久毛片大屁完整版| 欧美日韩一区在线视频| 亚洲裸体在线观看| 亚洲国产精品激情在线观看| 久久久久久欧美| 国内精品久久久久影院优| 国内精品久久久久久影视8| 亚洲综合999| 亚洲精品国精品久久99热| 在线综合视频| 国产精品久久久久久亚洲调教| 日韩亚洲精品在线| 在线一区欧美| 激情成人中文字幕| 99视频一区二区三区| 亚洲国产欧美国产综合一区| 欧美日韩国产精品自在自线| 亚洲精品乱码久久久久久黑人| 性欧美暴力猛交69hd| 亚洲人成网站精品片在线观看| 亚洲欧洲中文日韩久久av乱码| 国产午夜久久久久| 欧美.日韩.国产.一区.二区| 美日韩精品视频免费看| 国产精品高潮呻吟久久av黑人| 欧美激情一级片一区二区| 久久躁狠狠躁夜夜爽| 欧美性生交xxxxx久久久| 在线成人激情视频| 欧美黑人多人双交| 国产精品亚洲综合一区在线观看| 韩国一区二区在线观看| 亚洲韩国精品一区| 国产日本欧美一区二区三区| 欧美日本高清一区| 亚洲免费精彩视频| 欧美日产一区二区三区在线观看| 久久久久久综合| 亚洲国产欧美日韩另类综合| 国产精品入口福利| 久久婷婷麻豆| 欧美一区成人| 欧美不卡三区| 久久综合狠狠综合久久综青草| 亚洲国产成人久久| 亚洲狼人综合| 在线亚洲免费视频| 在线免费一区三区| 国内精品视频在线观看| 蜜臀91精品一区二区三区| 久久久久久久久蜜桃| 国产精品一区二区久久久久| 欧美精品在线观看91| 国产精品日韩一区| 尤物精品国产第一福利三区| 亚洲欧美日韩一区二区在线| 永久免费视频成人| 蜜桃av综合| 国产偷国产偷精品高清尤物| 国产精品三级久久久久久电影| 亚洲婷婷在线| 亚洲高清一区二区三区| 久久综合久久美利坚合众国| 欧美一级网站| 国产在线欧美日韩| 亚洲第一精品夜夜躁人人躁| 欧美日韩一区三区四区| 老司机凹凸av亚洲导航| 久久久久9999亚洲精品| 亚洲日本黄色| 亚洲在线观看视频| 一区二区三区在线观看国产| 亚洲欧美国产视频| 日韩视频精品| 国产精品男女猛烈高潮激情| 久久国产精品亚洲va麻豆| 亚洲经典视频在线观看| 久久精品国产视频| 亚洲黄色影片| 国内成人自拍视频| 娇妻被交换粗又大又硬视频欧美| 久久综合九色九九| 亚洲日本中文字幕免费在线不卡| 亚洲欧洲在线视频| 经典三级久久| 欧美96在线丨欧| 国产亚洲毛片在线| 国产精品久久久久久久午夜片| 亚洲午夜女主播在线直播| 亚洲高清一区二| 欧美一级午夜免费电影| 欧美视频1区| 欧美色区777第一页| 午夜久久99| 亚洲一卡久久| 宅男在线国产精品| 性色av一区二区三区在线观看| 国产精品日韩精品欧美在线| 免费中文日韩| 国产精品永久入口久久久| 久久这里有精品15一区二区三区| 日韩午夜免费视频| 久久久久久国产精品mv| 国产啪精品视频| 久久一区精品| 欧美区一区二| 亚洲激情国产| 亚洲欧美日韩精品久久久| 国产真实乱偷精品视频免| 亚洲国产日韩欧美综合久久| 亚洲毛片视频| 午夜在线不卡| 亚洲国产精品一区二区www在线| 韩国成人福利片在线播放| 欧美手机在线| 欧美理论电影网| 亚洲一区二区在线| 亚洲一区二区在线免费观看| 欧美日韩亚洲国产精品| 亚洲尤物影院| 国产欧美精品国产国产专区| 久久人人97超碰国产公开结果| 欧美第一黄色网| 一区二区三区在线观看国产| 亚洲精品免费网站| 欧美国产欧美亚洲国产日韩mv天天看完整| 欧美亚洲成人网| 免费人成精品欧美精品| 国产手机视频一区二区| 99精品欧美一区二区三区| 在线观看视频一区二区欧美日韩| 久久久精品性| 亚洲免费观看在线观看| 久久久天天操| 国产精品99一区二区| 国产精品毛片a∨一区二区三区|国| 亚洲看片免费| 亚洲高清不卡一区| 欧美高清自拍一区| 久久久久久久久久码影片| 亚洲在线观看免费视频| 免费久久久一本精品久久区| 99ri日韩精品视频| 亚洲第一中文字幕在线观看| 一区二区精品在线| 黄色成人小视频| 亚洲精品一区二区三区av| 亚洲国产成人精品久久久国产成人一区| 国产精品成人播放| 一本色道久久99精品综合| 在线观看成人av电影| 亚洲免费播放| 欧美成人综合在线| 国产精品欧美经典| 狠狠久久五月精品中文字幕| 欧美成人一区二免费视频软件| 国产日韩免费| 欧美成人国产va精品日本一级| 欧美成人精品1314www| 久久成人综合视频| 久久精品1区| 一本一本a久久| 日韩亚洲国产精品| 久久亚洲一区二区三区四区| 香蕉精品999视频一区二区| 欧美一级大片在线免费观看| 这里只有精品电影| 国产精品国产一区二区| 亚洲一本大道在线| 精品9999| 一本色道精品久久一区二区三区| 欧美系列一区| 亚洲激情在线播放| 麻豆精品视频在线| 国产伦精品免费视频| 亚洲国产毛片完整版| 国产欧美精品日韩精品| 亚洲欧美三级在线| 国产主播一区| 国产精品视频自拍| 国产精品视频自拍| 国产欧美在线视频| 亚洲欧美伊人| 国产日韩欧美精品综合| 在线视频欧美日韩精品| 久久精品女人| 欧美日韩视频在线第一区| 禁断一区二区三区在线| 久久夜色精品亚洲噜噜国产mv| 欧美精品七区| 免费成人黄色av| 国产美女搞久久| 日韩午夜av在线| 中文在线不卡| 久久免费视频观看| 亚洲黄色有码视频| 欧美日本韩国一区| 在线视频欧美一区| 久热精品视频在线观看| 怡红院精品视频| 欧美视频导航| 国产乱码精品一区二区三区忘忧草| 久久激情一区| 国产精品欧美一区二区三区奶水| 欧美激情在线免费观看| 久久久xxx| 99re成人精品视频| 国产亚洲精品bv在线观看| 亚洲春色另类小说| 篠田优中文在线播放第一区| 国产精品第一页第二页第三页| 免费成人黄色av| 性高湖久久久久久久久| aa国产精品| 国产亚洲精品资源在线26u| 欧美三区美女| 欧美精品色综合| 欧美日韩另类一区| 久久久久久久999| 黄色国产精品| 国产精品久久久久国产a级| 亚洲欧洲在线观看| 亚洲天堂av图片| 国内在线观看一区二区三区| 国产专区综合网| 国内自拍一区| 国产日韩精品视频一区二区三区| 欧美精品一区在线发布| 欧美精品激情在线观看| 鲁大师成人一区二区三区|