基于深度模型的屬性學習在人臉驗證中的應用研究

劉程 譚曉陽

摘 要：人臉屬性，如性別，年齡等對于特征人臉的構成具有唯一性。針對傳統人臉驗證方法的研究，提出了一種基于深度模型的屬性預測方法。該方法是基于深度卷積神經網絡模型提取的人臉特征表示，通過標記屬性信息的數據訓練分類器進行屬性預測，并將其用于人臉驗證環節以提高驗證準確率。該方法提供了一種從深度模型提取的人臉特征表示中分析人臉屬性的思路，實驗證明，該方法在實際應用中能夠有效提高人臉驗證的準確率。

關鍵詞：人臉驗證；屬性預測；深度學習；卷積神經網絡

中圖分類號：TP391 文獻標識碼：A

Abstract： Face attributes，such as gender and age，are unique to feature faces.Aiming at the research of traditional face verification ，we proposed a depth model based on attribute prediction method.The method is based on the deep convolution neural network model to extract the facial feature representation，and the classifier is trained by the data of labeled attribute information to predict the attributes.And we use it in face verification.This method provides a method for analyzing face attributes from facial features extracted from depth model.Experiments show that this method can effectively improve the accuracy of face verification in practical applications.

Keywords： face verification；face attributes；deep learning；convolutional neural network

1 引 言

人臉面部屬性[1]信息，如皺紋，發型，瞳孔顏色等，對于表征一個人的唯一性具有顯而易見的有效性。對原始人臉圖像的屬性特征預測對于人臉圖像的分析，識別具有重要的研究意義。由于復雜的臉部姿態變化，預測原始人臉圖像的屬性具有很強的挑戰性。人臉屬性在多種人臉應用，如人臉驗證，識別和檢索中扮演了非常重要的角色。然而對于復雜的人臉變化，如光照，遮擋和姿態，從原始人臉圖像直接進行人臉的屬性預測往往效果很差。人臉屬性識別方法一般分為兩類：全局和局部方法。全局方法是從整個人臉對象中提取特征，由于全局方法中人臉的特征點定位不是必需的，對于全局的特征提取表示會受限于采集人臉圖像的姿態，角度等因素。局部模型方法通常首先對人臉進行對象檢測定位并且從每一部分提取特征，并將這些局部特征連接起來訓練分類器。……