基于深度学习的人脸识别技术研究

王艳平 芦欣 赵宇丹

当前，人脸识别主要被广泛使用在通行、公安司法、自助服务和安防等领域，有着良好的应用前景。本文介绍了基于深度学习的人脸识别技术和研究经验。

在如今的许多领域，密码、虹膜、指纹和ID卡等已成为鉴别身份的重要方式，但其存在着遗失和泄漏风险高、损坏几率大以及容易造假等不足之处。利用生物识别技术，可以解决相关问题，有安全、方便、可靠、稳定等优点。

关于人脸的侦测

过滤图像中的无关信息，使用模版对比的方式，核对对比度和色泽信息，基于深度学习的人脸识别技术有着识别率高和耗时少的特点。人脸的大小、方向和颜色存在差异，利用深度学习技术，可以使判断的正确率达到标准要求。首先，准确界定人脸图像的边缘区域，可以对人脸画面区域进行分类；其次，明确人脸的具体位置，过滤画面中的非人脸区域；最后，在前2步的基础上深化，让人脸区域定位更加准确。

建构样本数据库

在结束预处理之后，需要提取人脸图像的特征，对比人脸特征和模型，获取关于人脸特征的向量和参数。尽可能获取多个维度的信息，排除噪声干扰、表情变化干扰、光线以及背影干扰，提升准确率。在不改变信息熵的前提下，把维度降低，可以获得高质量合成向量信息。但是这种向量中存在较多的冗余信息，会提升识别负担，进而影响判断效率，可以在应用深度学习技术时，采用稀释特征向量的方法来解决这些问题。……