面向臉部信息處理的機器學習與應用技術研究.pdf

1、人臉信息在身份識別、頭部姿態(tài)估計、頭部追蹤、情感分析、年齡估計、性別檢測等方面都有重要的作用。與指紋、虹膜等生物信息相比，人臉信息具有非接觸性、隱蔽性等特點，在隱蔽偵查、公共區(qū)域安防等領域擁有天然優(yōu)勢。
　　近些年來，移動互聯(lián)網(wǎng)技術高速發(fā)展，將人臉信息處理技術部署到移動平臺上已成趨勢。移動終端在成像穩(wěn)定度、計算資源、內(nèi)存容量、存儲空間以及功耗散熱上都存在著諸多限制，制約了已有算法的部署。
　　針對上述問題，本文主要從人臉對齊

2、、人臉識別以及面部特征表示等研究與應用角度出發(fā)，深入地從算法層面研究如何將相關技術做快、做準、做小。本文的主要工作如下：
　?。?）在人臉對齊方面，針對監(jiān)督下降法（Supervised Descend Method，SDM）存在魯棒性不夠、模型冗余度大的缺點，本文首次將仿射變換引入人臉對齊領域，提出了仿射參數(shù)回歸（Affine-Transformation Parameters Regression，APR），該策略與點偏移量回歸

3、（Key Points Regression，KPR）策略相結(jié)合，在訓練時間、魯棒性、模型體積和預測速度方面都表現(xiàn)出了優(yōu)異的性能，能夠滿足手機端的應用。
　?。?）針對當前在人臉識別領域常用的深度卷積網(wǎng)絡，提出了基于標簽的誤差函數(shù)(Label-Based Loss Function，LB-Loss)與基于特征的誤差函數(shù)(Feature-Based Loss Function，F(xiàn)B-Loss)兩個新概念，從而提出了一種包含逐層預訓練

4、過程和微調(diào)過程的全新訓練框架，該框架能夠高效地訓練任意深度的卷積網(wǎng)絡，使得科研人員針對移動端應用定制并快速訓練網(wǎng)絡。
　?。?）將前面兩項工作結(jié)合起來，實現(xiàn)了一個基于深度卷積網(wǎng)絡的人臉識別系統(tǒng)，網(wǎng)絡模型體積僅為5MB左右，在LFW國際數(shù)據(jù)集上取得了98％的人臉驗證精度，在實際人臉識別任務中也表現(xiàn)出了優(yōu)秀的性能，非常適合在手機移動端上部署。
　?。?）在特征提取方面，針對傳統(tǒng)人工均值特征提取模板（Average of Synt