冯友兵 陆轶秋 仲伟波

（江苏科技大学电子信息学院 镇江 212003）

1 引言

人脸识别［1］作为一种生物特征识别技术，是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一。同时人脸识别作为一种稳定性高、精度高、难以复制、易于被人接受的生物特征识别技术，在身份认证、安防监控、人机交互等领域具有广泛的应用前景。随着信息技术的日益革新，人脸识别技术对图像的处理也越来越复杂，在样本充足、背景单一、环境光照稳定的情况下，大部分算法都能取得较高的识别率。

在实际应用中，如何解决环境因素和人脸表情，姿态变换的影响，成为目前检验各类算法的难题。基于特征脸的人脸识别算法通过降维的方式提取人脸特征，虽然降低了计算复杂度，但在降维的同时也会丢失某些有效特征［1］。基于3D 模型的人脸识别算法［2］将采集的人脸还原成三维模型，再与数据库中已知身份人脸的三维数据进行匹配识别，但该算法对图像要求较高、应用性较低。基于稀疏的人脸识别方法［3］通过将所有训练人脸图像映射到一个子空间，然后在子空间中找到测试人脸图像的稀疏表示，该算法在噪声干扰的情况下仍具有较好的性能，但在人脸样本不充足的情况下效果较差。近年来卷积神经网络［4～7］已成为语音分析和图像识别领域的研究热点，尤其在人脸识别领域取得了不俗的成果。卷积神经网络通过结合人脸图像的局部感知区域、共享权重、在空间上来充分利用数据本身包含的局部性等特征，该特征对光照变化、姿态、遮挡具有一定鲁棒性。……