带有注意力机制的人脸草图识别方法

当前成熟的人脸识别技术已广泛应用于多个领域。然而，在一些难以获取人脸照片的特殊场景下，通常

近年来，随着社会的发展与科学技术的不断进步，人脸识别因其识别方式友好等优点，广受学术界和工业界的关注。

当前成熟的人脸识别技术已广泛应用于多个领域。

然而， 在刑侦等特殊领域的场景中， 有时难以直接获取人的面部照片，而通过目击者或相关知情者的回忆，绘制一幅人脸的手绘素描草图， 并通过这张草图寻找嫌疑人，缩小寻找范围以进一步确定人物身份。在该场景下，通过人脸草图准确识别人物身份至关重要。

深度学习的迅速发展使得深度卷积神经网络在理论上和应用上取得突破，人脸识别问题也得到了更好的解决和发展。对于人脸草图识别问题，由于人脸草图的异质性和特征不准确、不均衡的特点，应用普通人脸识别算法时难以取得较理想的效果。本文拟解决的人脸草图问题，存在以下几个挑战： • 由于记忆不均匀或一些有意识、无意识的加工，人脸草图的特征准确性不均衡； • 由于草图与人脸的异质性，普通的人脸识别算法在该问题上的应用效果不稳定； • 人脸草图问题常常存在带有遮挡或有特征偏重的情况，传统算法难以处理。

因此，针对人脸草图识别的问题和上述挑战，本文提出一种基于深度学习的人脸草图分析与识别方法，将深度卷积神经网络与传统图像处理算法结合，提高算法鲁棒性。并将卷积神经网络应用于计算机视觉中的注意力机制， 对于人脸草图进行特征检测和区域检测处理， 自动调整在遮挡情况下的特征权重， 以更好地解决人脸草图的识别匹配问题。

2. 相关研究 香港中文大学的汤晓鸥教授及其多媒体实验室是最早研究该问题的团队之一， 该团队在2002 年即发表了相关的工作[1]，其采用传统的特征脸[2]方法对草图和人脸进行匹配，并且公开了草图人脸的数据集[4]。后来该团队尝试了多种方法[3]对该问题进行研究，例如采用非线性方法[5]对人脸而调整进行变换， 采用贝叶斯张量生成人脸印象[6]等。

西安电子科技大学的高新波教授及其团队也在该问题上进行了拓展，其研究工作采用了许多合成方法[7]，生成人脸草图[8]，同时在此基础上尝试了许多草图的识别方法[9] [10]，还尝试了采用较新的表示