IdentiFace：一种基于VGG的多模态面部生物特征识别系统

面部生物特征识别系统的发展对计算机视觉领域的发展起到了重要推动作用。如今，亟需构建一种多模态系统，能够以高效且有意义的方式融合多种生物特征。本文提出了一种名为“IdentiFace”的多模态面部生物特征识别系统，该系统将核心面部识别能力与若干关键的软生物特征（如性别、脸型和情绪）相结合。此外，我们在系统设计中仅采用受VGG-16启发的网络架构，并在不同子系统中进行少量调整，实现了整体架构的统一。这种统一性显著简化了多模态之间的集成过程，同时有助于更清晰地理解各任务间所学特征的关联性，从而为跨面部模态的决策机制及其潜在联系提供了良好解释。在面部识别任务中，我们基于FERET数据库[1]采集的数据，在五类具有高度类内差异的样本上实现了99.2%的测试准确率。在性别识别任务中，我们在自建数据集上取得了99.4%的准确率，在公开数据集[2]上达到了95.15%。针对脸型识别任务，我们利用名人脸型数据集[3]实现了88.03%的测试准确率。最后，在情绪识别任务中，我们在FER2013数据集[4]上取得了66.13%的测试准确率，该结果在同类研究中属于可接受的较高水平。