左浩宇

（四川大学计算机学院，成都610065）

0 引言

人脸识别一直是模式识别领域中的一个热点研究问题，其应用场景也很多。例如，苹果公司推出的人脸识别解锁，摄像头监控中的人脸身份识别等，在商业及安全等都有着很重要的应用。而随着人们对人脸识别的精度与鲁棒性有着越来越高的要求，如在一些极端恶劣的条件下有效的进行人脸识别。在手机的人脸识别解锁中，需要考虑人物的表情，面部装饰等其他遮挡物带来的影响；而在摄像头的视频中，需要对模糊的人脸进行身份认证。因此，人脸识别算法的研究受到了大多数研究者的重视。

1 相关工作

1.1 国内外研究现状

快速高效的人脸识别建立在人脸区域内的关键信息特征点的鲁棒性检测和定位上，其主要是结合计算机的视觉分析模拟人脸姿态，实现对人脸信息的重构，结合特征信息对样本进行学习和训练，通过设计特定的分类器对人脸特征进行检测和识别。目前较为常见的人脸特征提取方法即使用卷积神经网络模型对人脸训练并提取特征，再将提取的特征放进其他模型中进行分类。

传统的人脸识别方法分为单样本的人脸识别与批量的人脸识别。例如主成分分析、神经网络训练，或者LBP特征提取方法等。与传统的人脸识别方法相比，卷积神经网络以原始的图像作为输入样本，在卷积的过程中一步步提取图片的特征并整合，最后输出每张图片经模型后的特征，其中减少了对训练样本的处理工作，并通过模型的学习能力抽取特征，不仅仅减少了复杂的工作量，同时提取的特征用作分类后也有着很好的效果。……