基于深度学习的人脸识别浅析作者:龚亮来源:《科技风》2019年第36期 摘;要:随着计算机技术的飞速发展,信息化与智能化的便捷生活成为了人们的日常,信息的安全性和私人性的重要性成為人们日益关注的重点。作为身份信息验证的日常使用方式之一,人脸识别技术的发展也是智能化进步的成果之一。人脸是被是基于人的脸部特征信息进行身份识别的一种生物识别技术,得益于人工智能的迅猛发展,基于深度学习的人脸识别方法具有传统方法没有的优点,解决了身份认证技术所面临的大难题。在本文中,对基于深度学习的人脸识别的最新发展进行了总结,涵盖了技术与场景。 关键词:人脸识别;深度学习;人工智能
一、人脸识别步骤概述
人脸识别是用摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行身份识别的一系列相关技术。完善的深度人脸识别系统首先通过人
脸检测器定位面部,然后通过面部校准将人脸与标准化的规范坐标对齐。在真正进入到人脸识别功能之前,经过防欺骗模块来识别输入的图像数据是否是真实的活物或者是欺骗性的,这样可以避免不同类型的攻击。而识别模块主要由面部处理、深度特征提取和面部匹配组成[1]。
其中,人脸识别的过程可以由如下式子来表示:
M[F(PiIi,F(PjIj]
这里,Ii和Ij分别代表两张不同的人脸照片;P代表数据处理以处理个人脸部变化,例如姿势,照明,表情,和遮挡;F表示特征提取,对人脸身份信息进行编码;M表示用于计算相似度得分的人脸匹配算法。
二、面部数据处理
人脸抓拍
面部数据处理是用于在训练和测试之前对数据进行预处理使其降低识别的困难度。尽管基于深度学习的人脸识别方法由于其强大的表征性而被广泛使用,但是Ghazi[2]等人证明了各种条件,如姿势,照明,表情和遮挡等等因素仍然影响着深度人脸识别的性能表现,
在这种情况下,面部的预处理就十分有益了。人脸数据处理的方法可以分为“一对多增强”和“多对一归一化”。