基于IPv6 网络环境的人脸识别CNN 算法应用研究

杨 静，王艳花，郭亚勤，史健芳

（1.太原理工大学信息中心，山西太原 030024；2.国网山西省电力公司信息通信分公司，山西太原 030000；3.太原理工大学信息与计算机学院，山西晋中 030600）

人脸识别技术[1]是目前应用最广泛的生物特征识别技术，具有非强制性、非接触性等优势，已成功地应用于移动支付、公安刑侦、门禁管理等领域。传统的人脸识别方法主要是基于模板匹配、几何特征、代数特征的方法，对表情、妆容、姿态、遮挡等鲁棒性较差，在应用中存在局限。因此，为了满足更多场景的需求以及下一代互联网（IPv6）的应用，还需要进一步的研究。

2014 年开始，Sun 等人提出了DeepID 系列的算法[2]，主要利用卷积神经网络提取更深层次的人脸信息，利用联合贝叶斯方法验证，对公开的人脸数据集LFW（Labeled Faces in the Wild）的识别率达到了97.45%，DeepID2 和DeepID2+算法准确率分别为99.15%和99.4%[3]。Facebook 提出DeepFace[4]算法，采用三角化操作方法提取人脸特征信息并对其进行重构之后进行特征提取，完成识别，准确率达到97.35%。2015 年，Google 提出了FaceNet[5]算法，将人脸特征映射到欧几里得空间，并且采用三元组TripletLoss 损失函数对神经网络进行训练，在人脸数据集LFW 上进行测试，识别率达到99.63%。2017年，文献[6]采用深度学习方法研究了人脸图像的年龄判断问题。2018 年，文献[7]基于深度学习算法，完成了近4 亿张人脸图像的检索工作。

下一代互联网IP 协议IPv6（Internet Protocol Version 6）可以解决现有IPv4 地址资源短缺问题，很大程度上提高了信息的发送效率、网络的安全性及可扩展性[8]。由于现有人脸识别系统对IPv6 的支持程度普遍较低，因此该文分析讨论了一种卷积神经网络CNN 的人脸检测和识别算法，并采用C/S 架构研发了一套基于IPv6 网络环境的人脸自动识别系统。……