基于多任務卷積神經網絡的人臉識別技術分析

劉世芳，胡振邦

（遼寧中醫藥大學信息工程學院 遼寧 沈陽 110847）

1 引言

目前的信息技術已經得到了非常良好的發展，在計算機視覺領域中，人臉識別技術已經成為研究熱點，人們對其進行了廣泛的關注。在具體的人臉識別技術中，會對核心的算法進行利用對人臉中的五官位置進行獲取，對角度與臉型都做出具體且有效的分析，與相關的數據庫進行對比，通過這樣的方式對用戶的身份進行明確。

2 多任務卷積神經網絡與人臉識別技術的相關概述

在人臉識別技術對人臉進行識別的過程中，會對人臉進行相應的檢測[1]。對臉上的特征進行提取，之后與數據庫中的人臉進行對比，以此來實現人臉識別，目前的人臉識別有著很多種方法，其中包括了主成分分析法與子空間法等等。卷積神經網絡是較為重要的方式之一。在早期，人臉識別的過程中會將目標用戶的臉部特征作為依據，以此來進行識別，會對主成分分析等相關的算法進行利用，對外界的環境有著較高的依賴，在對圖片進行收集的過程中，變化也非常大，在這樣的情況下，算法的識別能力會受到影響，效果也不會達到應有的標準。在人機互相識別的時期，對支持向量機的相關方法進行了使用，人臉識別的效果出現了增強。但是，在具體的人臉識別中，只能夠對面部的淺層特征進行提取，對于較為復雜的面部表情來說，人臉識別技術并沒有相應的穩定性。在機器進行學習的時期，提出了深度學習的相關概念，并且對其進行了較為廣泛的應用，讓卷積神經網絡的方法得到形成，并且應用到了面部識別技術中，得到了非常良好的發展，已經成為人臉面部識別技術的主流算法。

在目前的人臉識別過程中，會對多任務卷積神經網絡進行利用[2]。將灰度處理方法作為依據，對圖像進行良好的降道處理，以此來對數據集進行獲取。通過各種函數的非線性映射與分類處理，對深度學習的相關架構進行良好的采用，讓人臉識別的實現與建模可以得到完成。以上便是關于多任務卷積神經網絡與人臉識別技術的相關概述。

3 卷積神經網絡的劃分

3.1 傳統的卷積神經網絡

所謂的卷積神經網絡便是前饋神經網絡的一種，其中包含了較多的層面[3]。由卷積層、輸入層和輸出層等構成，對較大圖像進行處理與研究的過程中可以用到。目前的卷積神經網絡模型已經在人臉識別技術中得到了應用。

3.2 卷積層

在對數據進行輸入的過程中，卷積層可以對數據的特征進行提取，其中有著較多的卷積單元，可以對反向的傳播算法進行優化，屬于神經元的作用。

3.3 池化層

所謂的池化層便是對卷積層中的特征進行信息過濾，在此之前還會對相應的信息進行選擇，池化還有一個名字叫做子采樣。以上便是卷積神經網絡中池化層的構成部分。

3.4 全連接層

在一般的情況下，卷積神經網絡中的最后部分便是全連接層。在具體的全連接層中，面部識別特征中的三維結構會消失，取而代之的是向量。之后會將激勵函數作為基礎，向輸出層進行有效的傳輸。但是在具體的人臉識別中，相關的面部模型有著較高的復雜程度，對數據只能夠進行較慢的處理，網絡也會受到硬件性能的相關限制，不能夠對預設的功能進行實現。面對這樣的情況，應該對多任務的卷積神經網絡進行利用，以此來進行人臉的識別。

4 人臉識別的模型

4.1 人臉識別的流程

在對多任務卷積神經網絡進行利用時，人臉中的關鍵點與區域的檢測會在一定程度上進行結合，對不同的模塊進行劃分，通過這樣的方式讓多任務的優勢得到發揮。首先便是數據的處理模塊，在此模塊中，會將人工采集的圖片與圖像作為依據，對數據進行有效的增強，對圖像的標記進行處理，得到有效的數據集。其次便是卷積神經網絡的建模。在這一模塊中，要對圖像的樣本進行灰度上的處理，通過數據來對數據樣本與數據標簽之間的關系進行建立，對實驗中需要的數據集進行獲取。最后便是人臉識別的相關模塊，會進行良好的識別與匹配，對人臉的身份與信息數據進行明確的判斷。以上便是人臉識別的具體流程。

4.2 人臉識別的算法

在對人臉識別技術中的數據進行計算時，有著大量的算法，并且有著相應的復雜程度。計算機中的圖片有著三維的矩陣，也有著對應的三個RGB顏色通道，但是在具體的卷積神經網絡算法中，并不會對人臉的輪廓進行針對性的識別，在顏色方面有著非常低的要求，在對數據進行處理時會對灰度有著較多的關注，通過這樣的方式可以對數據計算的效率進行提升。

5 基于多任務卷積神經網絡的人臉識別技術發展策略

5.1 對特定問題進行研究

目前的多任務卷積神經網絡人臉識別技術已經較為完善，但是還有著相應的不足，對于復雜的面部表情還不能夠做到精準識別，在手機開鎖領域還有著需要完善的地方，另外，如果想要進行更加精準地面部識別，相應的數據會成倍地增加，因此這種技術只能夠在一些重要的方面進行應用，并不能夠應用于日常的生活中，因此應該對這些相關的問題進行明確，并且對這些問題進行研究，以此來達到人臉識別技術得到提升的目的。

5.2 對人臉識別技術的發展重點進行明確

在我國的人臉識別技術發展中，有很多的方面已經達到較高的水平，完全達到了人們的需求，但是還有著很多的人臉識別技術沒有得到相應的保障，所以應該對哪部分的人臉識別技術進行科研已經是一個十分重要的選擇，對于不太完善的人臉識別技術應該采取停止科研的策略，對于多任務卷積神經網絡的人臉識別技術應加大投資，應該做到明確地找出人臉識別技術的發展重點，讓人臉識別技術可以更節省資源且更高效地發展。在選擇發展重點時應明確“有所為，有所不為”的發展方針來搶占高效的先機，致力于實現我國人臉識別技術的突進式發展。

5.3 對人臉識別技術科研項目進行扶持

應該通過經濟手段來讓人臉識別技術的科研經費得到應有的保證，加強科研方面的法律。這樣還可以讓社會的科研力量加入到人臉識別技術項目當中，通過稅收的相關法律來有效地扶持人臉識別科研的有效進行和經濟上的投入，用知識產權的相關法律來讓參與了人臉識別科研的工作人員提升自己的工作熱情。想讓我國人臉識別科研體系走向更好的發展道路，國家的相關部門和立法機關在國家和公共安全的事情上應該合理地運用自己的立法權利。與此同時，還要優厚的政策來積極鼓勵民間的科研組織加入。只有在這樣的人臉識別科研中才能夠使得人臉識別科技得到良好的發展，讓我國的人臉識別技術得到良好的提升。因此，在基于多任務卷積神經網絡的人臉識別技術進行發展時，對人臉識別技術科研項目要進行扶持。

5.4 國際之間應該進行相互的合作

人臉識別技術不光只有中國需要發展，其他國家對于人臉識別技術也十分重視，對此，我國在人臉識別技術有效發展的同時，應該與其他的國家進行人臉識別技術上的合作，在科研上應該與國外的人臉識別科研小組互相學習，以此來達到共同進步的目的。在相互學習中，可以對部分科研成果開放，但是在重要技術上，要采取等價值交換的心態。在相互學習的過程中，也要加強對我國人臉識別技術相關科研人才的培養。讓我國的人臉識別技術科研水平可以得到提高。在與國外科研人員的共同科研中，我國的科研人員應保持“取其精華，去其糟粕”的學習心態。因此，在基于多任務卷積神經網絡的人臉識別技術進行發展時，國際之間應該進行相互的合作。

6 結語

綜上所述，目前的人臉識別技術已經得到了良好的提升，但是其中還有著較大的進步空間，這已經對我國的人臉識別技術造成了較大的阻礙，本文已經對多任務卷積神經網絡人臉識別技術的發展趨勢進行了深入的研究與分析，其中包括了特定問題與網絡結構等多個方面，通過這些方面的相關趨勢可以讓我國的人臉面部識別技術得到更加的發展。