李利民，刘明辉

(中国电子科学研究院，北京 100041)

工程与应用

基于机器学习算法的人脸识别鲁棒性研究

李利民，刘明辉

(中国电子科学研究院，北京 100041)

在现代公安警务工作中，人脸识别是智能化目标人物排查、线索追踪的重要支撑技术。在实际应用中，公安布控人脸图像采集通常处于非合作场景。在环境因素的作用下，采集的图像相比于标准库中人脸图像往往发生噪声叠加、曝光异常以及运动模糊等降质褪化。因此，人脸识别算法的鲁棒性应当成为其有效性的重要判断依据之一。鉴于上述考虑，本文研究了几种典型机器学习算法在不同图像降质因素作用下的人脸识别性能，进一步分析了上述算法的鲁棒性。

人脸识别；鲁棒性；反向传播神经网络；径向基神经网络；广义回归神经网络

0 引 言

近年来，在我国“平安城市”建设的持续发展进程中，公共安防布控的图像及视频采集数据呈爆炸性增长趋势。在这样的背景下，基于海量数据的智能化人物身份识别是支撑社会安全风险防控的重要关键技术，对现代公安警务工作中目标人物排查、线索发现跟踪具有显著的实际意义[1-2]。作为数字图像处理的代表性技术之一，人脸识别是一种利用计算机分析人脸图像，根据图像内在特征识别人物身份的技术。在日常生活中，人脸特征不仅传达着丰富细腻的情感及心理信息，且具有独一无二的生物学特征。由于人脸图像采集具有非接触性、非侵犯性，相对于其他生物特征具有更高的采集效率，因此在学术界及工业界得到了广泛关注。……