李淑

摘要：随着人们对公共安全关注度的提升，智能监控系统将代替人工监控成为主流。如何实现实时性与准确性并存的视频人脸检测与识别系统成了重点。本文首先介绍卷积神经网络模型的基本知识，并基于Google在2015年公开发表的FaceNet人脸识别系统实现视频的实时人脸检测与识别。

关键词：人脸检测；人脸识别；CNN； FaceNet

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）21-0210-02

Abstract： With the improvement of public safety attention， the intelligent monitoring system will replace the manual monitoring and become the mainstream. How to realize the real-time and accuracy of video face detection and recognition system has become the focus. This paper first introduces the basic knowledge of the convolution neural network model， and realizes the real-time face detection and recognition of video based on the FaceNet face recognition system published by Google in 2015.

Key words：face detection； face recognition； CNN； FaceNet

1 引言

隨着社会的快速发展，公共安全受到了人们广泛的关注与重视。小到公司内部的监管，大到平安城市的建设视频监控都发挥着重要的作用，但是传统的视频监控大多是基于人工的监管，耗费人力的同时也受到看管监控的工作人员注意力等因素的影响，使得人工监控的视频系统难以满足现代社会的要求，智能监控系统将成为主流。在智能化的视频监控系统中，可以通过加入人脸检测与识别算法来检测非法入侵人员，从而保证人身与财产安全。

基于视频的人脸识别算法相较于静态图片的人脸识别来说具有很大的挑战，需要考虑环境变化和人脸角度变化不定等因素，所以在静态图片中表现好的人脸识别算法在视频中不一定适用。由于深度学习与神经网络的快速发展，越来越多的企业将其应用到人脸识别领域。其中卷积神经网络（convolutional neural networks， CNN）[1]作为深度学习中神经网络的一个代表性结构，因为其局部感知野和权值共享的优点被广泛采用。

2 卷积神经网络

CNN最开始是为了处理二维图像而建立的一种多层感知机，可以将原始图片不经过复杂的预处理直接输入网络。……