基于深度學(xué)習(xí)特征提取的人臉認證算法研究.pdf

1、得益于大數(shù)據(jù)分析技術(shù)的發(fā)展和深度學(xué)習(xí)研究的逐漸深入，近年來，自動人臉識別與認證研究取得了很大進展。本文針對人臉識別和人臉認證中的特征提取問題，以深度學(xué)習(xí)理論為基礎(chǔ)，研究了基于深度神經(jīng)網(wǎng)絡(luò)模型的人臉特征提取算法，提出了一種面向輕量級人臉特征提取的技術(shù)框架，在保證人臉特征表達能力的前提下，盡量降低模型復(fù)雜度，以推動基于深度學(xué)習(xí)特征提取的人臉認證算法在實時應(yīng)用中更具有效性和穩(wěn)健性。論文主要工作如下:
　　1.研究和分析了近年來的人臉識別

2、和人臉認證技術(shù)，針對海量數(shù)據(jù)研究背景下的人臉識別和認證技術(shù)展開問題分析，為基于深度學(xué)習(xí)理論的特征提取研究奠定基礎(chǔ)。
　　2.深入研究了深度學(xué)習(xí)的一般理論，針對人臉識別與認證中基于深度學(xué)習(xí)的特征提取問題，本文對三種典型的深度學(xué)習(xí)模型:深度信念網(wǎng)絡(luò)、棧式自動編碼機以及卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點和工作原理進行了系統(tǒng)介紹，尤其是對卷積神經(jīng)網(wǎng)絡(luò)的原理進行了深入分析。這些工作對于設(shè)計基于深度學(xué)習(xí)模型的人臉識別算法具有重要指導(dǎo)意義。
　　3.

3、提出了一種基于深度學(xué)習(xí)模型的人臉特征提取框架:首先利用多尺度人臉圖片塊訓(xùn)練多個卷積自動編碼機，提取出人臉的低層特征;然后再將低層特征送入卷積神經(jīng)網(wǎng)絡(luò)中進一步提取高層語義特征。這種方式一方面符合人腦分層處理信息的工作機制，另一方面也大大降低了訓(xùn)練復(fù)雜度。在Pubfig83數(shù)據(jù)集上的仿真結(jié)果表明該方法提取的人臉特征具備良好的表達性。
　　4.基于克羅內(nèi)克積記號推導(dǎo)并分析了基于聯(lián)合貝葉斯理論的人臉認證方法，在此基礎(chǔ)上，針對該算法零均值假