目前基于深度学习的人脸识别技术广泛应用于办公打卡和门禁等系统，但其识别环境较为理想，在实际工作中无法取得较好成果，不能实现真实工作场景（如低照度、小脸、大角度）下的识别。本文提出了一种高效的真实安防监控探头下的人脸识别方法，该算法支持在实际工作场景低照度、小脸和大角度情况下人脸识别，具有更好的鲁棒性。(1)高效的金字塔分块卷积神经网络能够更好地提升图像感受野，使模型具有更强的图像特征提取能力；(2)设计了一种多尺度的人脸检测模块，较好地解决了小脸情况下的检测；(3)采用了人脸超分和人脸对齐技术，有效地解决了在低照度和大角度的情况下，识别效果不佳的问题；(4)采用ArcFace损失函数，将人脸数据库中人脸特征与安防监控探头下采集到的人脸图像特征进行相似度比较，实现人脸识别任务。本文在两个公开的LFW数据集和CASIA-FaceV5数据集上验证了模型的有效性，准确率分别为99.43%、99.5%。在真实矿区人脸识别场景也具有较强的应用价值，验证了所提方法的可行性和高效性。

0 引言
1 人脸图像预处理
1.1 人脸对齐
1.2 FSRNet人脸超分辨率重建
2 主要方法
2.1 高效的特征提取网络
2.2 人脸检测网络
2.3 人脸识别
2.3.1 ArcFace
2.3.2 人脸匹配
3 实验
3.1 环境配置
3.2 数据集
3.3 实验设置
3.4 实验结果
4 结语

张延生,聂志勇,隋立林.基于深度学习的真实复杂矿区环境人脸识别[J].能源科技,2022,20(05):3-8.