基于神经网络改进人脸识别算法

胡美姣，尚 锐，王谙宇

基于神经网络改进人脸识别算法

胡美姣，尚 锐，王谙宇

（辽宁理工学院 智能工程学院，辽宁 锦州 121001）

传统人脸识别技术需要处理大量的人脸图片，训练时间过长。针对上述问题，设计了一种卷积神经网络算法并采用pix2pix模型实现超分辨率重建。最后在ORL数据库上进行了测试，与传统方法比较，该方法具有更好的识别效果，所需的训练时间减少，在识别准确率和训练时间方面优于大多数传统识别算法。

人脸识别；卷积神经网络；pix2pix模型

人脸识别作为一种生物特征识别技术，具有获取方便、不需要主动配合、精度高等特点。人脸识别技术应用广泛，如安保系统和身份验证系统等领域[1]。传统的人脸识别方法主要有基于主成分分析方法[2]、特征脸方法[3]、基于线性分析方法[4]和基于局部二值模式方法[5]等。

上述方法在提取特征时，往往需要人工去获取较好的特征，具有很大的主观性。目前人脸识别技术的主流方向是卷积神经网络，其可以很好地将数据特征表示出来，减少人为因素影响，提高识别率，并且因其超参数通过传统的梯度下降法和自带的网络模型进行学习，识别率较高，在人脸识别领域得到普遍应用。但是，在小样本应用中识别准确性较差且训练时间较长，如DeepID系列模型[6]和FaceNet模型[7]，DeepID系列模型采用了身份信号和鉴定信号相结合的方式作为最终的损失函数，其缺点是识别速度慢且准确率低，而FaceNet模型采用空间距离长度表示人脸相似性，其识别效果较好，但是适用性较差，仅适用于LFW数据库。……