卷积神经网络在人脸识别的应用

胡亚君

（南京理工大学 计算机学院，江苏　南京　210094）



卷积神经网络在人脸识别的应用

胡亚君

（南京理工大学 计算机学院，江苏南京210094）

摘要：文章通过使用深度学习的卷积神经网络模型实现了人脸识别技术。实验表明相比于传统的神经网络模型，卷积神经网络取得了更好的识别效果。

关键词：人脸识别；卷积神经网络；MATLAB

1　研究背景

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，相比其他生物体征识别方法，人脸识别具有非强制性、非接触性、并发性等优点［1］。近些年来，深度学习方法作为机器学习领域的新的研究方向出现，在多个图像处理领域取得了明显的成果［2］。卷积神经网络（CNN）正是一种代表性的深度学习方法，它以其局部权值共享的特殊结构在图像处理方面有着独特的优越性，特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取，降低了分类过程中数据重建的复杂度［3］。

2　基于深度学习的人脸识别模型

2.1卷积神经网路整体框架（见图1）

图1　卷积神经网络整体框架

卷积神经网络是一种特殊的深层的神经网络模型，通常包括卷积层、下采样层和全连接层。卷积神经网络具有以下两个结构特征：

稀疏连接：每一层的神经元只与前一层的指定的神经元进行连接，以这种方式来利用图像的局部空间特性。

权值共享：同一个特征映射图的神经元对应的权值相等。

下面对分别对卷积层和下采样层分别进行简单介绍。……