基于深度学习理论的人脸识别技术应用综述*

李玲俐

（广东司法警官职业学院 广州 510520）

1 引言

生物特征识别是利用计算机技术，通过采集人的生物特征样本进行人的身份识别。心理学家20世纪50年代开始研究人脸识别，60年代后，慢慢发展成一种重要的生物特征识别技术。区别于指纹、虹膜等其他生物识别，人脸识别技术具有直观、非接触性、方便采集、交互性强、可扩展性的优点［1］，成为大数据时代背景下的生物特征识别中一个非常热门的研究领域，被广泛应用于门禁考勤、访问控制、欺诈检测、公安刑侦、智能支付等领域。

人脸技术虽然取得了一些研究成果，但由于人脸的不同姿态、表情以及光线、遮挡、角度、分辨率等因素，识别率和准确性会降低，影响了人脸识别的研究效果。目前，传统的人脸识别技术已经不能解决各类复杂因素下的人脸识别问题，实际应用面临诸多挑战。随着深度学习的发展和广泛应用，人脸识别研究有了很大的突破，其自身适应性、精确性和智能度得到很大提升。本文从传统人脸识别方法面临的技术问题出发，阐述深度学习理论及其在人脸识别中的应用，并对未来的发展进行展望。

2 传统人脸识别方法面临的问题

传统的人脸识别方法主要有以下几种。

1）基于几何特征［2］的方法。最简单的人脸识别方法，将人脸的眼睛、鼻子、嘴巴等重点部位和这些部位的形状、位置进行比较来判别。该方法主要依赖特征提取的准确度，但由于形状、位置等特点不能精确体现出人脸图像中的非线性因素，该方法的识别度和可靠性较低。……