基于MobileNet网络多国人脸分类识别

随着各国经济贸易、文化交流往来的日益频繁，快速、有效地区分各国人员身份是当前人脸识别领域的一项重要研究。本文特针对亚洲区域五个国家(中国、日本、韩国、泰国、印度)进行人脸分类识别的研究，本文基于MobileNet进行五国人脸分类识别，因为这五国人脸较为相似，为能有效降低冗余，本文将八度卷积插入该网络中减少冗余，提升精度；并提出使用中心损失函数和交叉熵损失函数相结合的方法来提升准确率。经过实验验证，本文提出的在网络中插入八度卷积和中心损失函数两种改进方法均可以提升准确率，其最高准确率可达87.84%，其Error top 1最低达到0.120%。

随着时代变迁与人类生活领域的交互，为推动我国现代化体制建设进程，促进世界经济全球化，从改革开放时期以来，我国始终坚持对外开放力度，逐步扩大对外开放范围，尤其是外贸方面，使我国在对外贸易发展中取得长足的进步，让我国同世界各国人民共同走向人类命运共同体。在国家间往来日益频繁的今天，各国之间有经济、文化、繁育以及习俗之间的交融，种族特征在随着时间的推移与人类间互相演变出现新的特征，结合当前大数据知识应用体系留存不同国家人脸特征数据，以逐步丰富人脸识别分析基础资源数据库。人脸识别就显得尤为重要，它能有效对各个国家人员进行识别，以便我国边检口岸等一系列安全系统能更有效、快速地识别各个国家人员，构建更加有序的公共环境。也可以逐步丰富人脸识别分析基础资源数据库，这对未来相关领域的研究将会是一份宝贵的财富。

近年来国内外也有不少研究者们对人脸种族识别进行了一定的研究。

Sheerko Hma Salah [1]等人使用颜色和纹理的多层融合方案进行人脸种族特征的提取，其样本数据是由多个数据库集合构成，然后使用KNN 分类器区分高加索人、东亚人、非洲人，其平均准确率达96.5%。A. Rehman，G. Khan [2]等人使用Haralick + GLCM 特征融合提取特征，并使用预测随机数作为分类区分亚洲人、欧洲人和非洲人， 其准确率达到85.39%。黄惠[3]将PCA 和2DPCA 进行特征提取，用多种不同的SVM 作为分类器应用于自建中国少数民族(维吾尔族、柯尔克孜族、哈萨克族、回族、蒙古族)数据库进行民族识别，实验表明，使用RBF 的SVM 效果可达85%。王雅丽[4]使用CNN 提取深度虹膜纹理特征作为底层向量，并结合Fisher向量相融合，使用SVM 分类器区分亚洲人和非亚洲人，最高准确率可达99.93%。邱盛[5]在深度学习的研究中，利用了几种不同网络框架对自建的中国部分少数民族(汉族、蒙古族、藏族、维吾尔族)数据集进行民族识别分类，其中包括卷积神经网络和集成神经网络，并利用卷积神经网络搭建了一个基于这五个民族的人脸识别系统。