基于Siamese 网络的人脸认证算法研究

陈 震，张超才，李士林

（厦门理工学院电气工程与自动化学院，福建 厦门361024）

1 引言

人脸认证识别在身份识别应用领域随处可见，需求量呈现上升的趋势。传统的人脸认证算法主要有主成分分析[1]、线性判别分析[2]、LBP[3]等。传统人脸认证算法特征提取能力不足，在光照、角度等较差环境下，识别精度更易受影响。近年来随着深度学习研究的兴起，卷积神经网络在图像分类、识别等领域的研究也取得了空前的发展[4]。可利用卷积神经网络进行特征提取，提取人脸的结构特征信息，将提取的特性信息进行对比分析，判断是否来自同一个人，从而判断人脸识别目的。具代表性的有DeepFace 算法、DeepⅠD 系列算法等[5]。这种人脸识别算法也存在不足之处，认证测试时，无法满足大量新样本进行测试，需重新训练模型，增加了整个系统模型使用的不稳定性。

针对以上问题，本文算法模型使用改进的Siamese 神经网络模型，在网络模型中添加残差网络的残差结构，通过残差结构组提取人脸图像的特征信息，再计算两张人脸图片特征信息的欧式距离，并通过距离来判断这两张人脸是否属于同一个人。当有新样本认证测试时，无需重新测试模型，只需提取新样本特征信息，将新样本特征信息与其他模型的特征信息进行欧式距离比较，就可对新人脸样本进行人脸认证。

2 基础理论与方法

2.1 卷积神经网络

卷积神经网络是在神经网络中加入卷积运算的神经网络，可解决神经网络参数过多、网络层之间连接数过大等问题，使网络训练参数利用率达到最大化。……