范文豪，吴晓富，张索非

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003；2.南京邮电大学 物联网学院，江苏 南京 210003)

0 引 言

近年来，人脸识别[1]问题引起了越来越多研究人员的关注。在具有一定约束环境下的人脸识别问题， 它们的识别精度已经取得了极大的提高。然而，低分辨率人脸识别问题在人脸识别领域仍然具有挑战性。在人口较稠密的公共场所[2-3]，例如购物商场和游乐园，通常需要通过从监控视频中获得的图像来寻找具有特殊身份的人。但是，由于行人与监控摄像头之间距离较远以及摄像头的分辨率有限，通常只能够获得较低分辨率的人脸图像。在这种情况下捕获的人脸经常是模糊的、光照不均匀的或人脸姿势[4]不正确的，这些干扰因素使得基于深度模型和预处理的技术(例如人脸正面化和人脸对齐)，不能直接应用于低分辨率的人脸图像[5]。

对于人脸识别中的低分辨率问题，已经有了许多解决方法。这些方法大多数基于超分辨率(super resolution，SR)技术[6-7]来尝试提高图像的质量，将复原后的较高分辨率图像用于人脸识别。尽管基于深度学习的SR技术使得重建后的图像在主观图像质量评价指标上取得了较好的评分，但重建后的图像通常过于平滑，会丢失高频细节信息。当图像的分辨率非常低时，通常会出现上述情况，导致恢复的高分辨率图像和低分辨率图像差异明显，识别性能显著下降。

为了提高低分辨率人脸识别的准确率，该文针对低分辨率人脸识别问题对CentreFace方法进行了改进。……