余璀璨, 李慧斌

(西安交通大学数学与统计学院 大数据算法与分析技术国家工程实验室，西安 7 10049)

1 引言

人脸识别[1]是一种依据人脸图像进行身份识别的生物特征识别技术.人脸识别的研究始于20世纪60年代，与虹膜识别、指纹识别、步态识别等生物特征识别技术相比，人脸识别因其便捷、高效、易普及的优点成为最受关注的研究问题之一.通常，其难点在于人脸结构相似性导致不同个体之间差异不显著，而同一个体在不同表情、姿态、年龄、光照、遮挡、妆饰等干扰因素下变化显著.因而人脸识别技术需要在类内变化干扰的情况下尽可能增大类间差距以区分不同个体，其关键在于从人脸图像中提取有利于识别的特征.早期基于人脸几何特征的识别方法[2–4]使用眼睛、鼻子、嘴巴等关键部位之间的关系(如角度、距离)构建人脸描述子，此类方法忽略了人脸纹理、外观包含的有用信息，因此，识别效果一般.基于子空间学习的识别方法如Eigenfaces[5]、Fisherfaces[6]，将原始数据整体映射到低维人脸子空间，这类方法很大程度上推动了人脸识别技术的发展.基于局部特征分析的识别方法使用合适的滤波器提取人脸局部特征，Gabor[7]、LBP[8]、HOG[9]等常用于此类方法.在光照、姿态和表情变化较小时这类人脸识别方法的效果一定程度上比较稳定.2014年以来，深度卷积神经网络为人脸识别技术带来了巨大突破.无需人工设计特征，深度卷积神经网络能够针对训练数据学习如何提取特征……