無論是使用傳統(tǒng)的方法進(jìn)行人臉識別，還是使用神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉識別，都存在運算量大、運算時間長等問題，很難對視頻中的人臉進(jìn)行實時檢測與匹配。針對上述問題，使用輕量化神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉檢測，使用運算簡單的哈希算法計算人臉像相似度，并對多個哈希相似度值加權(quán)進(jìn)行人臉匹配，是減少運算時間、實現(xiàn)快速人臉識別的可行方案。使用輕量化神經(jīng)網(wǎng)絡(luò)Mobilenet作為人臉特征提取網(wǎng)絡(luò)，使用剪枝的SS模型作為檢測網(wǎng)絡(luò)，通過級聯(lián) Mobilenet與SSD實現(xiàn)亼臉的檢測，之后對檢測到的人臉圖像進(jìn)行識別。首先，分別計算人臉圖像的均值哈希相似度與感知哈希相似度。然后，分別使用α和β作為均值哈希與感知哈希的加權(quán)系數(shù)對圖像的均值哈希與感知哈希相似度值進(jìn)行加權(quán)，并將結(jié)果作為圖像的最終相似度。當(dāng)加權(quán)后的相似度值大于設(shè)定的閾值Ⅰ時，則認(rèn)為兩張圖像中的人臉是同一個人;當(dāng)加權(quán)后的相似度值小于設(shè)定的閾值K時，則認(rèn)為兩張圖像中的人臉是不同的人。對于相似度處于閾值Ⅰ和閾值K之間的圖像，將它們按照相似度值從高到低的順序擇優(yōu)匹配。所提法在 Widerface和FDDB上的人臉檢測準(zhǔn)確率分別達(dá)到92.5%和94.2%，每張圖片的平均處理時間為56ms;在ORL標(biāo)準(zhǔn)人臉庫進(jìn)行人臉匹配的準(zhǔn)確率達(dá)到96.2%。使用攝像頭進(jìn)行實時人臉識別測試時，所提方法的人臉識別準(zhǔn)確率為95%，平均人臉識別速度為80ns。實驗證明，所提方法在保證較高準(zhǔn)確率的前提下，能夠?qū)崿F(xiàn)實時的人臉檢測與匹配。