王海荣 李伟波 万权 鄢华 向锐

摘要：针对审计调查中人脸图像识别应用场景，首先模拟了一个相应环境干扰的人脸数据集，增加数据的多样性;在预处理阶段，研究采用自适应直方图光照平衡和模拟眼镜遮盖的改进方法进行了图像增强处理;在模型训练阶段，提出一种最优权重再重载的模型训练算法。对比实验结果表明，经过图像增强预处理的改进和最优权重再重载的模型训练，提高了应用场景中人脸识别的准确率、鲁棒性和效率。

关键词：深度学习;人脸识别;审计调查 ;图像增强;模型训练

中图分类号：TP301      文献标识码：A

文章编号：1009-3044（2021）10-0012-07

Abstract： According to the application scenarios of face recognition in the audit investigation， a face data set with corresponding environmental interference was simulated in advance to increase the diversity of data. In the preprocessing stage， transformation operations such as adaptive histogram light balance， glasses concealment， and horizontal flipping were done， which improved the accuracy and robustness of the training model. In the pre-processing comparison experiment， the accuracy of the model increased by 5.7% after a series of pre-processing. In the model training stage， a model training algorithm with optimal weights and reload is proposed. Experimental results show that this training algorithm has significant advantages over traditional training algorithms in terms of the convergence speed and final accuracy of model training.

Key words： deep learning; face recognition; audit investigation; image enhancement; model training

传统的人脸识别有基于几何特征的人脸识别方法＼基于模板匹配的方法＼基于子空间的方法＼基于统计的方法[1]。而现在主流的人脸识别的方法是基于深度卷积神经网络的方法，虽然在检测速度和占用的性能资源没有传统的方法的优势，但是在检测准确率方面，具有明显的优势和更好的应用前景[2]。不过，在人脸识别实际应用过程中仍然有许多问题亟待解决。

“在飞行检查的会议合规性调查中，一些涉及人员审核的场景比如会议现场或者聚餐现场的人脸识别场景，需要对这些活动现场中的关键人物进行人脸识别”审计人员会根据会议关键人物到场情况来判断会议的合规性和风险程度。现场会议人员审核作为其中至关重要的一环节，往往需要准确实时。但是一般的人脸图像识别算法在这些复杂多样的场景下面，由于光线不均，检测对象人脸遮盖等因素很容易导致检测失败，识别出错等问题[3-5]。……