刘世芳，胡振邦

（辽宁中医药大学信息工程学院 辽宁 沈阳 110847）

1 引言

目前的信息技术已经得到了非常良好的发展，在计算机视觉领域中，人脸识别技术已经成为研究热点，人们对其进行了广泛的关注。在具体的人脸识别技术中，会对核心的算法进行利用对人脸中的五官位置进行获取，对角度与脸型都做出具体且有效的分析，与相关的数据库进行对比，通过这样的方式对用户的身份进行明确。

2 多任务卷积神经网络与人脸识别技术的相关概述

在人脸识别技术对人脸进行识别的过程中，会对人脸进行相应的检测[1]。对脸上的特征进行提取，之后与数据库中的人脸进行对比，以此来实现人脸识别，目前的人脸识别有着很多种方法，其中包括了主成分分析法与子空间法等等。卷积神经网络是较为重要的方式之一。在早期，人脸识别的过程中会将目标用户的脸部特征作为依据，以此来进行识别，会对主成分分析等相关的算法进行利用，对外界的环境有着较高的依赖，在对图片进行收集的过程中，变化也非常大，在这样的情况下，算法的识别能力会受到影响，效果也不会达到应有的标准。在人机互相识别的时期，对支持向量机的相关方法进行了使用，人脸识别的效果出现了增强。但是，在具体的人脸识别中，只能够对面部的浅层特征进行提取，对于较为复杂的面部表情来说，人脸识别技术并没有相应的稳定性。在机器进行学习的时期，提出了深度学习的相关概念，并且对其进行了较为广泛的应用，让卷积神经网络的方法得到形成，并且应用到了面部识别技术中，得到了非常良好的发展，已经成为人脸面部识别技术的主流算法。……