基于深度学习的人脸识别研究

———人脸识别已作为极其重要的生物信息识别手段
2016年12月01日

      

      人脸识别作为一种重要的生物信息识别手段,在信息安全领域有着很多实际应用场合,如视频监控、访问控制、智能身份证等,是计算视觉和模式识别中最受欢迎的问题之一。

      传统安全识别的概况和弊端:最广泛使用的识别技术:标志物件、特定的知识及两者结合。其弊端即易模仿,复制,盗窃,难以区分真正的用户,系统无法区分实际使用者。生物特征识别技术是根据身体和行为特征来识别或验证一个有生命的人的自动方法,也就是使用人体本身所固有的物理特征如指纹、虹膜、人脸、掌纹等及行为特征如书写、声音步态等,通过图像处理和模式识别的方法来鉴别个人身份的技术。

       人脸识别技术特质:人脸识别具有直接、友好、方便、操作隐蔽、非侵犯性、可交互性强等优点的特点,一直受到很多研究学者的关注;使用者无任何心理障碍,并且通过人脸的表情与姿态分析,还能获得其他识别系统难以得到的一些信息。

       人脸识别是一门涉及模式识别、计算机视觉、图像处理、生理学和认知学等多门学科的复杂技术。

       深度学习:深度学习是通过大量的简单神经元组成,每层的神经元接收更低层的神经元的输入,通过输入与输出之间的非线性关系,将低层特征组合成更高层的抽象表示,并发现观测数据的分布式特征。通过自下而上的学习形成多层的抽象表示,并多层次的特征学习是一个自动地无人工干预的过程。根据学习到的网络结构,系统将输入的样本数据映射到各种层次的特征,并利用分类器或者匹配算法对顶层的输出单元进行分类识别等。

      结论:人脸本身就是一个非刚性物体,而人脸由于姿态的变化造成的旋转在人脸成像中带来的变化更不是一个简单的线性方法。而深度学习是一种多层的复杂神经网络,它是一个良好的非线性的生成模型,这种网络在处理非线性问题中获得了非常多的肯定。因此论文将深度学习运用到多姿态的人脸图像问题中来,并追寻深度学习在人脸识别中的运用价值,也探索深度学习在处理带姿态的人脸图像中的一些潜在应用。

2016-12-1行业资讯002