神经网络多层特征信息融合的人脸识别方法

方涛，陈志国，傅毅,2

（1. 江南大学 物联网工程学院，江苏 无锡 214122; 2. 无锡环境科学与工程研究中心，江苏 无锡 214153）

人脸识别一直以来都是计算机视觉方向与模式识别领域的研究热点，作为生物特征识别技术一个重要的研究方向，人脸识别技术因其很高的商业价值和极为广阔的应用前景而进行了大力的发展。人脸识别已经融入到了生活中的方方面面，诸如视觉监控、自动身份验证、银行安全、门禁安全等专业领域。计算机硬件技术的快速发展为计算机视觉、机器学习等领域的发展提供了坚实的基础支撑，也为深度学习的进步与流行提供了基础。深度学习是包含多级非线性变换连接的机器学习方法，受启发于动物视觉皮层组织，模拟生物神经元间的连接模式[1]。随着深度学习模型不断发展成熟，由于其优越的性能，人们开始神经网络应用人脸识别领域，主要是利用神经网络进行特征提取再利用不同分类器进行识别[2-5]，或者直接利用神经网络进行识别[6-7]。

卷积神经网络是其中一种经典而广泛应用的结构。卷积神经网络具有局部连接、权值共享及池化操作等特性，可以有效地降低网络的复杂度，减少训练参数的数目，使模型保持一定的不变性，并具有强鲁棒性和容错能力，且也易于训练和优化。基于这些优越的特性，它在各种信号和信息处理任务中的性能优于标准的全连接神经网络[1]。Taigman等提出了DeepFace[8]，使用CNN代替了传统的手工特征提取方式来提取人脸特征，奠定了基于深度学习的人脸识别方法的基础。……