计算机应用研究

作者：王通平,傅可人,程鹏,

单位：四川大学a.计算机学院;b.空天科学与工程学院,成都610065；

关键词：人脸识别,图像风格,生成对抗网络,域适应,图像风格迁移,

基金：国家自然科学基金民航联合研究基金资助项目(U1833128)；国家自然科学基金青年基金资助项目(61703077)；四川省科技重大专项子课题资助项目(2018GZDZX0029-2)；；

监控场景下的带标签人脸数据难以获取，尽管可以利用已有的公开数据集或合成数据，但这些数据与真实的监控人脸数据在图像风格上存在较大的域间差异。针对该问题，不同于基于特征或公共子空间的域适应方法，提出一种基于图像风格迁移的解决方法。具体地，基于CycleGAN网络改进得到Face-CycleGAN，在保持身份属性的前提下，对现有带标签数据进行风格迁移，使其在背景、光照、皮肤材质等方面与监控场景更接近，并进一步通过联合滤波对迁移图像进行后处理。最后，利用迁移得到的数据优化人脸识别算法，减小域间差异带来的负面影响。提出的方法在公开数据集EK-LFH和自建数据集3DProj-Sur上进行了实验评估，分别取得了21.93%和4.77%的识别率提升，证明了该方法在解决域适应问题上是有效的。

来源：2020年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第11期