基于卷積神經網絡的人臉識別檢測分析

褚新建

關鍵詞：人臉識別；卷積神經網絡；網絡結構；檢測精度

0 引言

人臉識別技術的關鍵就在于人臉檢測，作為重要研究方向廣泛應用于模式識別和計算機識別領域[1]。人工設計特征作為傳統人臉檢測方法的重要監測依據。目前由于人臉檢測算法表現出較高的檢測精度，因而應用于多個領域[2]。人臉檢測算法結合深度學習在卷積神經網絡得到廣泛應用下逐漸獲取進一步發展，早已作為主流研究方法應用于各領域，檢測準確率高于傳統方法，超過95%[3]，拓展人臉識別研究具有重要的意義。

近年，人臉識別技術早已被Facebook、Google、商湯科技、曠世科技應用融入到各個領域，尤其是在卷積神經網絡不斷持續進步發展的趨勢[4]。很多挑戰和問題在實際應用環節始終存在。盡管從識別準確度來看，在LFW 數據集中應用多種方式均可獲取較佳結果，人眼識別能力也得到顯著提升，然而必須要選取大量訓練樣本訓練各深度模型，倘若研究機構場所小型化或屬于高校，實現相對較為困難[5]。所以目前亟需解決的主要問題就在于怎樣訓練可滿足人臉匹配要求和快速區別人臉特征的性能佳且結構簡單[6]。本文應用卷積神經網絡到人臉識別領域，并開展網絡訓練以及測試優化分析。

1 基于卷積神經網絡的人臉檢測算法

圖1 給出了AlexNet 網絡模型結構圖。網絡模型中全連接層和卷積層分別為3 個和5 個，總共為8 層。將ReLU、局部響應歸一化及池化層增加至前兩層后，將Dropout 和池化加入到第6、7 層，并在第8 層應用softmax 分類器[7]?！?br>