基于Gabor小波-卷积神经网络的在线考试场景模糊人脸识别方法

摘要

针对目前在线考试智能监考时因图像运动模糊、噪声等导致人脸识别准确率低的问题，提出了一种基于Gabor小波-卷积神经网络-支持向量机的人脸识别模型。将原始图像经GW滤波分解为包含了幅度和角度特征的协方差矩阵，从而提高模糊环境下人脸识别性能。还提出了一种改进的CNN网络学习GW生成的协方差矩阵，从而提取出人脸特征。应用SVM对人脸特征表示进行分类，最终输出人脸识别结果。通过实验验证，与PCANet、VGGFace、ResNet50模型相比，所提GW-CNN-SVM模型在低分辨率、运动模糊和噪声环境下识别性能更优。实验结果验证了所提GW-CNN-SVM模型对在线考试智能监考时低分辨率、运动模糊和噪声环境下的人脸识别具有更高的鲁棒性。

关键词

智慧教育 / 在线监考 / 人脸识别 / 特征提取 / 卷积神经网络 / 协方差矩阵