基于深度學習的人臉識別方法的探究

王 臣

（遼寧省科學技術館，沈陽 110167）

隨著互聯網信息的不斷發展，現如今在互聯網當中存在著大量的數據，面對繁多的網絡數據，使得我國的信息安全管理顯得異常的重要，所以有關部門也加強了對于信息安全的重視程度，在當前情況下，最重要的個人信息就是對于一個人的身份識別，尤其是在現階段的社會當中，目前的信息安全與傳統意義上的信息技術識別更加重要，因為現階段的生物技術持久性較高，普遍性比較廣，所以長期以來受到了各個人士的重視，再加上最近幾年電腦視覺和人工智能的不斷普及，雖然在一定程度上方便了人們的日常生活，具有生物特點的人臉識別方法已完全融入人們的日常生活，并迅速改變了人們的生活方式。雖然人臉識別系統在現階段有了十分廣泛的應用，但是由于人的面部信息會受到環境因素的影響，使得同一人的面部信息在不同的環境下會有一定的差距，給人臉識別技術的進一步的發展帶來了巨大的挑戰。

1 研究現狀

1.1 幾何結構

幾何特征，指的就是每個人臉信息的識別具有幾何的相關特性，在進行人臉識別的過程當中，通過使用某些技術將人的面部信息向幾何畫圖像轉化，然后再使用西方某些發達國家的距離測量方法，對每一個人的相似程度進行科學合理的計算，這種方法就屬于幾何結構方法的范疇。比如說該種方法可以對人的面部拓補結構進行有效的測量，根據每一個人的五官大小，角度以及位置展開。

1.2 子空間

子空間就是指用三維的技術，利用空間壓縮的方法，把每一個人不同的面部的信息壓縮成一個一個的二維的平面圖，在二維的空間當中每一個人最為典型的特征都可以加以區分，目前應用較為廣泛的子空間方法，有線性判別法和主成分辨析法等。

1.3 局部的特征

通常，當人們的年齡或表情發生變化時，人們的面部信息會產生一些變化，但人們的主要局部特征不會因為這些微妙的變化而改變。局部特征，主要是指將人臉模式劃分為多個特征，并將這些特征離散化，以最大限度地減小干擾因素對人臉的影響，這是局部特征發展的核心。同時，該方法主要采用由區域特征組成的拓撲關系的形式來導出人的完整特征，并計算所有區域特征的相似度以完成面部信息的構造。在人臉識別的過程當中，采用局部特征的識別方法，不僅可以借鑒自然識別人臉的過程，而且對人的臉部整體情況進行識別之后，再對人們的面部重要數據和信息進行有效的分析，更可以提高人臉信息識別的效率。

1.4 深度的學習

由于每個人的面部特征都會隨著內部環境和外部特征的變化而不斷變化，所以說每一個人臉識別的研究過程都相對復雜，但是人類仍然可以利用大腦超強的學習能力和大腦的超強記憶來清晰的辨別，在不同環境和不同條件下每個人的特征。但機器沒有這樣的能力，所以我們需要根據人腦的結構和功能，建立一個具有人工神經的人臉識別系統。據調查顯示，中國第一個人臉識別是單層自適應人工神經網絡，過該系統存在的，最主要的缺陷就是對系統的背景以及人臉部的姿態有著較高的要求，抗干擾的能力也不足，實際應用的效果不如人意。因此，深度學習的方法在現階段已經到了發展的瓶頸。

以上所闡述的幾種方法，最簡單的一種面部識別方法就是幾何結構方法，但是該種方法對于人們的面部結構特點要求相對較高，在具體的使用過程當中受到了限制，而子空間人臉識別方法的提取特點能夠較詳細地顯示人臉信息之間的拓撲關系。它是目前比較流行的人臉識別方法。

2 在深度學習基礎上的人臉識別方法

當前，人臉的面部信息識別的發展非常廣泛，許多人已經認識到這一特征，逐漸展開有關研究，本篇文章主要是從神經網絡這個系統進行了有關容的研究。

2.1 人臉識別過程

在面部識別技術中應用深層網絡技術可讓您在系統中構建相對完整的面部學習識別系統，該種系統可以深度的學習，多種多樣的面部結構，再通過一定的訓練和測試，建立起有效的訓練模型，將訓練當中得出的各種數據，在樣本當中進行測試。

2.2 設計實驗以及結果分析

首先在實驗的設計過程當中，應該從實驗對象當中抽取40個樣本，將樣本隨機分為兩部分，然后從每種類型的面部圖像中選擇5張圖像作為訓練樣本，其余樣本均為測試樣本。

在圖像的預處理階段，選擇了各種圖像，因此有必要將不同大小的圖像更改為統一大小，以構建不同的網絡結構。要使用不同的層疊模塊，構建出一個深度的神經網絡，對于具有不同深度的神經網絡，可以使用不同的方法來加速訓練，批處理和不斷更新數據參數。最后，將預先訓練好的數據作為數據分析的基礎數據，得到相應的識別碼。

3 結束語

綜上所述，本文主要討論了目前廣泛使用的基于深度學習的人臉識別方法，人臉識別方法雖然具有很多的優點，在目前應用也較為廣泛，但是在具體的使用過程當中也會受到外界因素和內部因素的影響，導致識別錯誤，因此，本文提出了針對該問題的深度學習方法，有效解決了各種因素引起的識別錯誤現象，同時提出了神經網絡系統在網絡建設后自愿發展的思想。最大化時間提取人員信息并獲取功能，同時深度神經網絡的學習方式也較為特殊，避免了選擇的局部性，因此，通過在人臉識別方法當中應用深度神經網絡，可以最大程度上提高識別的效率。