基于虹膜和人脸检测的设想

在看了faceNet 使用 LMNN 预先学出距离矩阵，再根据resnet学习出来的模型进行分类，考虑到使用虹膜 叠加 人脸 的方式 增加分类的准确率

参考文献

发现国内有使用cnn 和 虹膜结合的，但和facenet 和虹膜结合的却没有发现

测试 facenet 中 虹膜对分类结果的影响

首先用相同的图片进行测试

进行实验。

结果显然，为 0 0 表示相同图片

使用黑色画笔将眼部区域涂黑

使用这张进行 训练

可以看到竟然 距离快接近1了，而我只是涂黑了眼睛

结论

说明虹膜眼部对分类的影响确实有影响

思考原因

facenet 卷积出来的 feasure map 可能包含了眼部的特征，但是由于训练数据的像素原因，可能对虹膜的比重并不是学习的很大

实验设想

如果我可以使用 高精度摄影设备 拍摄的人脸图像，使用facenet 的模型继续训练，加大虹膜对预测的权重，比较的时候 再根据 高清度人脸 图像进行对比，那就能更大精度的提升人脸的分类熟悉

实验局限

由于带label 的 图片 难以获得，很难得到人脸预测的 高清度图片。
使得这个思路陷入了瓶颈，而且对于加入了虹膜后，肯定会使勿拒率的提升