基于深度学习的人脸身份认证方法研究

发布时间：2018-07-26 09:21

【摘要】：人脸认证是通过分析脸部信息来判断两张人脸图像是否为同一个人。与Ⅲ卡、密码、指纹、虹膜等识别方法相比,这种方法具有不易被盗取、操作隐蔽,非接触式采集等优点。因此人脸认证可以广泛应用在安全监控、电子商务等领域。然而实际应用中照相机采集到的人脸图像往往含有光照、表情、姿态干扰,这些干扰会严重降低人脸认证的准确率。因此本文基于深度学习技术优异的特征提取能力,研究在含有光照、表情、姿态干扰的人脸图像中提取鲁棒的图像特征,使计算机可以进行准确的识别。本文主要工作如下:(1)提出一种深度重构网络由于人脸图像中的光照、表情、姿态干扰会造成人脸认证准确率降低,而传统的图像特征提取方式只对其中的一种或两者干扰鲁棒。因此本文基于深度学习技术提出一种深度重构网络,它能够重构含有干扰的人脸图像来去除图像所含干扰,并且能同时提取重构后图像的特征。该算法主要有以下两个优点。第一,传统的深度学习算法如去噪自编码器是为了去除高斯噪声等常见的数据噪声而设计的,而本文算法专为去除人脸图像所含有的光照、表情、姿态干扰而设计,因此,本文算法对人脸图像中的光照、表情等干扰更具有针对性,能够更加有效的去除这三类干扰。第二,该算法能够在重构人脸图像的同时,提取重构后的图像特征。这样可以避免对重构人脸再次进行特征提取而造成的信息丢失。在CMU-PIE数据库上的实验结果表明,该算法能够有效去除人脸图像所含的光照、表情、姿态干扰,并且可以得到鲁棒的人脸图像特征。 、(2)利用深层神经网络实现人脸认证判断两个人脸特征是否属于同一个人是一个相似性度量问题。而人脸特征含义复杂、向量维数高,传统的度量方法如支持向量机、K均值聚类等无法对其进行准确度量。由于深层神经网络具有优秀的非线性映射能力以及模型表达能力,因此本文利用深层神经网络,从三万组训练样本中,学习得到一个能有效反映数据相似性的隐式度量函数。在CMU-PIE数据库上的实验结果表明,使用该网络对前文提取得到的人脸特征进行认证可以得到较高的准确率。
[Abstract]:Face authentication is based on the analysis of face information to determine whether two face images are the same person. Compared with other identification methods, such as 鈪，

本文编号：2145563