基于卷积神经网络的人脸识别研究

• 作 者: 胡琛
• 出 处: 武汉工程大学
• 发表日期: 2017年期
• 关键词: 卷积神经网络 深度学习 人脸识别 空间金字塔池化

人脸识别是一种不容易复制伪装的生物识别技术,且直观简单实用,因而受到人们的青睐和推崇,一直以来也是模式识别领域的一个研究热点。但是传统人脸识别技术因为识别率不高,因而在大规模应用上存在诸多限制。近年来,随着深度学习技术的不断发展,卷积神经网络以其优秀的特征提取能力,良好的学习能力已被广泛的应用于模式识别研究领域中。卷积神经网络人脸识别与传统人脸识别相比具有多方面的优势首先。首先,传统的人脸识别是通过人工的方式基于不同方法提取特征,不仅速度缓慢,而且提取到的特征是依赖人的主观性。其次,卷积神经网络能够提取较深层次的人脸特征,特征的表达力上更强。本文基于卷积神经网络技术进行人脸识别研究主要做了以下工作:设计了一种全卷积层的神经网络结构应用于人脸检测的研究通过对检测到的人脸热图提取,在通过非极大值抑制的方法实现最终定位;在基于卷积神经网络的人脸识别的研究中,在全连接层和最后一个卷积层之间引入了空间金字塔池化层代替传统的池化层,对任意输入尺寸图片无需经过裁剪扭曲就能对特征进行提取,将特征图转化成固定长度的特征向量进行识别。通过全卷积神经网络的人脸检测研究表明:基于全卷积结构的神经网络不仅训练速度快,而且在检测率上结果也比较可观也具有可行性,但是负样本的不足会造成样本的丰富性不够,会导致多人脸图像人脸检测误警率上升。其次,基于空间金字塔池化的卷积神经网络在识别中能够有效的对人脸深层特征进行提取和表达,达到较高的识别率,对结果的分析比较,确定了保证网络性能优良的激活函数类型和参数范围。