基于深度學(xué)習(xí)的人臉識別技術(shù)研究.pdf

1、隨著人工智能的快速發(fā)展，如何準確、有效的識別用戶身份，提升信息安全成為一項重要的研究課題。相較于傳統(tǒng)的卡片識別、指紋識別和虹膜識別，人臉識別具有許多優(yōu)點。它的非接觸性、非強制性和并發(fā)性，易被用戶所接受，已廣泛應(yīng)用于教育、電子商務(wù)等多個領(lǐng)域。
　　深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域中的新興分支之一。與傳統(tǒng)淺層網(wǎng)絡(luò)不同，深度學(xué)習(xí)受人腦工作機制啟發(fā)，構(gòu)建了深層網(wǎng)絡(luò)結(jié)構(gòu)和相應(yīng)的訓(xùn)練方法。深度卷積神經(jīng)網(wǎng)絡(luò)(deepconvolution neural

2、networks，DCNN)源于多層前向網(wǎng)絡(luò)，經(jīng)過不斷發(fā)展，已成為當(dāng)前圖像識別領(lǐng)域的研究熱點。它依靠深層非線性網(wǎng)絡(luò)結(jié)構(gòu)和大規(guī)模的訓(xùn)練數(shù)據(jù)，實現(xiàn)復(fù)雜函數(shù)逼近，從而獲得更本質(zhì)和魯棒的圖像特征，有效提升了后續(xù)分類與識別的效果。
　　近年來隨著深度卷積神經(jīng)網(wǎng)絡(luò)的引入，人臉識別的準確率得以跨越式提升。然而，不同模型的訓(xùn)練集和網(wǎng)絡(luò)結(jié)構(gòu)差異較大，使得每個模型都有各自的特點。對此，本文研究了一種基于深度多模型融合的人臉識別方法，通過融合多個人臉識

3、別模型提取的特征構(gòu)成組合特征，再利用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練組合特征構(gòu)建人臉識別分類器，可以得到融合多個模型優(yōu)點的改進模型。主要的工作如下:
　　(1)分析和對比基于卷積神經(jīng)網(wǎng)絡(luò)且開源的人臉識別算法，通過實驗篩選了2種基礎(chǔ)模型。對基礎(chǔ)模型提取的基礎(chǔ)特征進行降維、歸一化、融合，得到組合特征，作為后續(xù)深度神經(jīng)網(wǎng)絡(luò)的輸入。
　　(2)構(gòu)建基于深度多模型融合的深度神經(jīng)網(wǎng)絡(luò)，訓(xùn)練組合特征，獲得融合不同基礎(chǔ)模型優(yōu)點的改進模型。
　　(3)