基于深度学习的人脸识别方法探究

2016-03-12辽宁工业大学电子与信息工程学院汪金涛曹玉东

电子世界 2016年18期

辽宁工业大学电子与信息工程学院　汪金涛　曹玉东　李　羊

基于深度学习的人脸识别方法探究

辽宁工业大学电子与信息工程学院汪金涛曹玉东李羊

深度卷积神经网络具有复杂的网络结构，与传统机器学习方法相比具有更强大的特征学习和特征表达能力。使用深度学习算法训练的卷积神经网络模型自提出以来在多个大规模人脸识别任务上取得了较高的准确率。文章从典型的网络结构的构建、训练方法和性能表现三个方面进行介绍，并展望未来发展的新方向。

卷积神经网络；深度学习；人脸识别；网络结构

1　引言

人脸识别是图像识别领域一个非常重要的研究方向，由于人脸图像具有易采集的特性，因此受到许多行业的关注，具有广阔的应用前景和巨大的商业市场。

在深度学习出现之前，人脸识别采用的主流方法是以Eigenfaces为代表的子空间分析方法。香港中文大学汤晓鸥教授所带领的研究团队将当时最为流行的3种子空间方法——主成分分析子空间（PCA）、贝叶斯子空间和线性判别分析子空间（LDA）有机地结合到同一个理论框架中，提出了统一子空间［1］分析方法.这种方法使用LBP和Gabor等特征对人脸图像中邻域像素区块的灰度值或颜色值进行局部特征提取，然后对这些局部特征进行特征变化，得到更易于区分的人脸表示，在人脸识别领域最受关注的测试集LFW上取得了当时的最佳识别性能。