融合卷积块注意力模块和Siamese神经网络的人脸识别算法

针对传统人脸识别方法识别性能较差,基于深度学习的方法在非限制条件下识别较为困难,人脸特征区分性弱,识别精度容易受到姿势、表情等方面影响的问题,提出了一种引入卷积块注意力模块的孪生神经网络模型结构.该结构是基于孪生神经网络(Siamese neural network)的基础框架进行改进的,在框架中引入改进的VGG11_BN模型进行特征提取.该模型是在VGG11结构的基础上引入批归一化(Batch Normalization,BN)技术,在原模型结构的基础上,提出引入CBAM混合注意力机制的特征提取网络;最后,针对目前亚洲人的人脸识别训练较少的情况,采用更加符合亚洲人脸特征的CASIA-FaceV5数据集进行识别训练.实验结果表明:本文算法在人脸识别方面的准确率达到了96.67%,并且在CAS-PEAL-R1人脸数据集上比SRGES,VGG11+siamese算法的准确率分别提升6.05%,6.7%.该算法可以在多因素影响下更好地进行人脸识别验证,具有良好的稳定性.