[1]阎卫东,韩璐,张野,等.基于DCT的模糊面部超分辨率性别识别模型研究[J].沈阳建筑大学学报(社科版),2023,(6):597-603.[doi:10.11717/j.issn.1673-1387.2023.06.09]
点击复制

基于DCT的模糊面部超分辨率性别识别模型研究()
分享到：

沈阳建筑大学学报(社科版)[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2023年第6期
页码:
597-603
栏目:
智慧城市
出版日期:
2024-01-07

文章信息/Info

作者:
阎卫东; 韩璐; 张野; 刘国奇
关键词:
图像融合; 超分辨率; 卷积神经网络; 性别识别; 计算机视觉
DOI:
10.11717/j.issn.1673-1387.2023.06.09
摘要:
为解决智能监控领域中存在的基于人脸图像的性别识别准确率不高的问题，本研究构建了DCT-FSR-CNN 模型。该模型以相邻两帧面部图像作为超分辨率的双输入，通过离散余弦变换和局部超分辨率技术对图像进行融合处理以提高图像整体分辨率；对Alexnet网络进行优化改进，通过融合网络中间层进行特征值优化以提高分类器的准确率。同时，将该模型与其他4种性别识别模型进行实验对比，在现实的模糊面部图像数据集上的实验结果准确率和运行速度均有明显提升，证明了该模型的应用性和有效性。
更新日期/Last Update: 2024-01-07