基于DCNN的证件照人脸验证及应用研究

在不同证件审核场景中,由于存在年龄跨度、装扮及样本缺乏等因素的影响,使得现有方法难以适应不同证件照下的人脸识别,无法满足实际应用要求。为解决上述问题,提出一种基于深度卷积神经网络的不同证件照识别方法。该方法对VGG网络做出适应于不同证件照识别的改进,实现端到端的自主学习人脸特征,消除年龄跨度、装扮等因素的影响,并且可将训练参数减少为原网络结构的〖SX(〗1〖〗6〖SX)〗,使得在保证识别精度的同时,模型训练时间大幅减小。实验结果表明,该方法在高校毕业审核场景下的自建数据集和CAS-PEAL-R1公开数据集上训练后,验证准确率和召回率较原始方法分别提高了6.29个百分点和7个百分点,能够满足多种应用场景下的不同证件审核需求。