李春利　柳振東　惠康華

摘要摘要：為解決傳統(tǒng)人臉識(shí)別算法手工提取特征困難的問(wèn)題，將卷積神經(jīng)網(wǎng)絡(luò)引入人臉識(shí)別任務(wù)中。為適應(yīng)ORL數(shù)據(jù)集人臉識(shí)別任務(wù)的需要，參照經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型Lenet-5的結(jié)構(gòu)，提出一種適用于該數(shù)據(jù)集的CNN結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，所提出的CNN結(jié)構(gòu)具有較少的學(xué)習(xí)參數(shù)，且在ORL數(shù)據(jù)集上取得了較高的識(shí)別率。與傳統(tǒng)人臉識(shí)別算法進(jìn)行比較研究，從實(shí)驗(yàn)結(jié)果可以看出，在識(shí)別正確率上，所提出的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)于大多數(shù)識(shí)別算法。

關(guān)鍵詞關(guān)鍵詞：人臉識(shí)別；卷積神經(jīng)網(wǎng)絡(luò)；圖像識(shí)別；深度學(xué)習(xí)；模式識(shí)別

DOIDOI：10.11907/rjdk.171043

中圖分類號(hào)：TP317.4

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）005018603

0引言

人臉識(shí)別是近年來(lái)模式識(shí)別、圖像處理、機(jī)器視覺(jué)、神經(jīng)網(wǎng)絡(luò)及認(rèn)知科學(xué)領(lǐng)域的研究熱點(diǎn)[12]。所謂人臉識(shí)別，是指給定一個(gè)靜態(tài)人臉圖像或動(dòng)態(tài)視頻，利用存儲(chǔ)有若干已知身份的人臉數(shù)據(jù)庫(kù)驗(yàn)證單個(gè)或多個(gè)人的身份[1]。作為生物特征識(shí)別的一個(gè)重要方面，人臉識(shí)別有著廣泛的應(yīng)用場(chǎng)景，如：檔案管理系統(tǒng)、公安系統(tǒng)的犯罪身份識(shí)別、銀行和海關(guān)的監(jiān)控、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證等領(lǐng)域。在人臉識(shí)別巨大魅力的影響下，國(guó)內(nèi)互聯(lián)網(wǎng)公司也開(kāi)始了人臉識(shí)別應(yīng)用的探索，如百度推出的人臉考勤系統(tǒng)、阿里支付寶的刷臉登錄等功能都是人臉識(shí)別的具體應(yīng)用。目前，人臉識(shí)別的代表性方法主要有以下幾種：Turk和Pentland[3]提出的特征臉（Eigenface）方法；基于線性區(qū)別分析，Belhumeur 等[4]提出了Fisherface方法；基于統(tǒng)計(jì)理論，劍橋大學(xué)的 Samaria和Fallside[5]提出了隱馬爾科夫模型[5]（HMM），Lawrence 等[6]提出的通過(guò)多級(jí)自組織映射神經(jīng)網(wǎng)絡(luò)（SOM）[6]與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行人臉識(shí)別。上述方法雖然獲得了良好的識(shí)別正確率，但需要人工參與特征提取，然后將提取的特征送入分類器進(jìn)行識(shí)別，過(guò)程較為復(fù)雜。

卷積神經(jīng)網(wǎng)絡(luò)[79]是近年發(fā)展起來(lái)，并引起廣泛重視的一種高效深度學(xué)習(xí)識(shí)別算法，其已成為當(dāng)前語(yǔ)音分析和圖像處理領(lǐng)域的研究熱點(diǎn)。相比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)而言，卷積神經(jīng)網(wǎng)絡(luò)具有權(quán)值共享、局部感知的優(yōu)點(diǎn)。局部感知的網(wǎng)絡(luò)結(jié)構(gòu)使其更接近于生物神經(jīng)網(wǎng)絡(luò)，權(quán)值共享大大減少了模型學(xué)習(xí)參數(shù)的個(gè)數(shù)，同時(shí)降低了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性。在圖像處理領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)體現(xiàn)得更為突出，多維的圖像數(shù)據(jù)可以直接作為網(wǎng)絡(luò)的輸入，特征提取和分類均集成在網(wǎng)絡(luò)中，避免了傳統(tǒng)識(shí)別算法中復(fù)雜的特征提取和訓(xùn)練分類器過(guò)程。除此之外，卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像中的位移、比例縮放、旋轉(zhuǎn)、傾斜或其它形式的變形具有很好的魯棒性。為了解決傳統(tǒng)人臉識(shí)別算法特征提取和訓(xùn)練分類器困難的問(wèn)題，本文借鑒Lenet-5[10]的結(jié)構(gòu)，設(shè)計(jì)一個(gè)適合ORL數(shù)據(jù)集人臉識(shí)別任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

1卷積神經(jīng)網(wǎng)絡(luò)

1.1用于ORL人臉識(shí)別的CNN

本文提出的7層卷積神經(jīng)網(wǎng)絡(luò)模型由輸入層、2個(gè)卷積層、2個(gè)降采樣層、一個(gè)全連接層和一個(gè)Sigmoid輸出層組成。卷積核的大小均為5×5，降采樣層Pooling區(qū)域的大小為2×2，采用Average Pooling（相鄰小區(qū)域之間無(wú)重疊），激活函數(shù)均采用Sigmoid函數(shù)。每一個(gè)卷積層或降采樣層由多個(gè)特征圖組成，每個(gè)特征圖有多個(gè)神經(jīng)元，上層的輸出作為下一層的輸入。此外，本文實(shí)驗(yàn)學(xué)習(xí)率的取值為常數(shù)1.5，該卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

1.2卷積層

卷積神經(jīng)網(wǎng)絡(luò)中的卷積層一般稱C層[11]（特征提取層）。卷積層的輸入來(lái)源于輸入層或者采樣層。卷積層中的每一個(gè)特征圖都對(duì)應(yīng)一個(gè)大小相同的卷積核，卷積層的每一個(gè)特征圖是不同的卷積核在前一層輸入的特征圖上作卷積，然后將對(duì)應(yīng)元素累加后加一個(gè)偏置，最后通過(guò)激活函數(shù)得到。假設(shè)第l層為卷積層，則該層中第j個(gè)特征圖的計(jì)算表達(dá)式如式（1）。

xlj=f（∑i∈Mjxl-1iklij+blj）（1）

這里的Mj表示選擇的上一層輸出特征圖的集合。

1.3降采樣層

降采樣層是對(duì)上一層的特征圖進(jìn)行下采樣處理，處理方式是在每一個(gè)特征圖內(nèi)部的相鄰小區(qū)域進(jìn)行聚合統(tǒng)計(jì)。常見(jiàn)的下采樣方式有兩種：Average Pooling和Max Pooling。其中，Average Pooling是取小區(qū)域內(nèi)像素的平均值，而Max Pooling是取小區(qū)域內(nèi)像素的最大值。降采樣層只是對(duì)輸入的特征圖進(jìn)行降維處理，不改變特征圖的個(gè)數(shù)。假設(shè)down表示下采樣操作，βlj表示乘性偏置，blj表示加性偏置，則降采樣層中某個(gè)特征圖的計(jì)算表達(dá)式如下：

xlj=f（βljdown（xl-1j）+blj）（2）

1.4輸出層

卷積神經(jīng)網(wǎng)絡(luò)的輸出層一般為分類器層，常用的有徑向基（RBF）函數(shù)輸出單元、Sigmoid輸出單元和Softmax回歸分類器。在ORL人臉識(shí)別任務(wù)中，采用Sigmoid函數(shù)輸出單元，輸出層的編碼采用非分布編碼“one-of-c”的方式。由于采用Sigmoid函數(shù)，每一個(gè)單元輸出值是0-1范圍內(nèi)的一個(gè)正數(shù)，代表該樣本屬于該單元對(duì)應(yīng)類別的概率。數(shù)值最大的那個(gè)單元即為樣本的預(yù)測(cè)類別。假設(shè)x為全連接層的輸出，則輸出層輸出結(jié)果的計(jì)算表達(dá)式如下：

y=f（wTx+b）（3）

其中，f表示激活函數(shù)，這里采用Sigmoid函數(shù)，Sigmoid函數(shù)表達(dá)式如下：

f（x）=11+e-x（4）

2實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)在Windows7 64位下的Matlab 2014a中進(jìn)行，采用Matlab深度學(xué)習(xí)工具箱DeepLearnToolbox。PC的內(nèi)存8G，CPU主頻為3.2GHZ。

ORL人臉數(shù)據(jù)集是在1992年至1994年之間由AT &T Cambridge實(shí)驗(yàn)室拍攝的人臉圖像所構(gòu)成。數(shù)據(jù)集中包含40個(gè)不同人物的臉部圖像，每個(gè)人物包含10張圖像，總共400張。每個(gè)類別中的臉部圖像在不同的時(shí)間拍攝得到，存在如下差異：①光線；②面部表情，如眼睛的閉合和睜開(kāi)狀態(tài)，面部是否帶有微笑的表情等；③一些面部細(xì)節(jié)上的差異，如是否佩戴眼鏡等。該數(shù)據(jù)集中所有人臉圖像均為灰度圖像，且圖像中人物面部朝向基本一致，都朝向正前方。

圖2為ORL數(shù)據(jù)集中部分人臉圖像。數(shù)據(jù)集中每個(gè)原始圖像大小為92*112像素，本文實(shí)驗(yàn)中對(duì)這些圖像進(jìn)行預(yù)處理，使每一幅圖像的尺寸調(diào)整為28*28，并對(duì)每一副圖像進(jìn)行歸一化處理，這里采用簡(jiǎn)單的除255的方式。隨機(jī)選取每一個(gè)類別的8張圖像作為訓(xùn)練樣本，剩下的2張作為測(cè)試樣本。因此，訓(xùn)練集有320個(gè)樣本，測(cè)試集有80個(gè)樣本。

2.1改變C3層卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)的影響

卷積神經(jīng)網(wǎng)絡(luò)性能的好壞與卷積層卷積核的個(gè)數(shù)密切相關(guān)，但每一個(gè)卷積層應(yīng)該設(shè)置多少個(gè)卷積濾波器，目前并沒(méi)有數(shù)學(xué)理論指導(dǎo)。為了研究卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)最終識(shí)別準(zhǔn)確率的影響，本文保持C1層卷積核個(gè)數(shù)不變，通過(guò)改變C3層卷積核的個(gè)數(shù)，形成新的網(wǎng)絡(luò)結(jié)構(gòu)，用訓(xùn)練集訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練迭代次數(shù)均為60次，然后用測(cè)試集對(duì)每一種網(wǎng)絡(luò)結(jié)構(gòu)的性能進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果如表1所示。

從表1可以看出，當(dāng)C3層有10個(gè)卷積核時(shí)，網(wǎng)絡(luò)模型對(duì)測(cè)試集的識(shí)別正確率最高。卷積核的個(gè)數(shù)與識(shí)別準(zhǔn)確率并不成正比關(guān)系，當(dāng)卷積核個(gè)數(shù)過(guò)多時(shí)，網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率會(huì)下降，這是因?yàn)樵诰矸e核個(gè)數(shù)增加的同時(shí)，需要學(xué)習(xí)的參數(shù)也隨之增加，而數(shù)據(jù)集中訓(xùn)練樣本的規(guī)模較小，已不能滿足學(xué)習(xí)的要求。

2.2改變C1層卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)的影響

由上述實(shí)驗(yàn)結(jié)果可知，C3層卷積核個(gè)數(shù)為10時(shí)，網(wǎng)絡(luò)識(shí)別效果最好。因此，為了研究卷積層C1層卷積核個(gè)數(shù)對(duì)識(shí)別準(zhǔn)確率的影響， C3層保留10個(gè)卷積核，改變C1層卷積核的個(gè)數(shù)構(gòu)造新的網(wǎng)絡(luò)結(jié)構(gòu)，用測(cè)試集針對(duì)不同網(wǎng)絡(luò)結(jié)構(gòu)就測(cè)試集和訓(xùn)練集的識(shí)別準(zhǔn)確率進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果如表2所示。

從表2的實(shí)驗(yàn)結(jié)果可以得到相同結(jié)論：卷積層卷積核的個(gè)數(shù)并非越多越好，卷積核個(gè)數(shù)過(guò)多，網(wǎng)絡(luò)需要學(xué)習(xí)的參數(shù)也隨之增加，當(dāng)訓(xùn)練集中樣本個(gè)數(shù)無(wú)法滿足學(xué)習(xí)需要時(shí)，網(wǎng)絡(luò)識(shí)別準(zhǔn)確率就會(huì)下降。

2.3與其它算法比較

為進(jìn)一步說(shuō)明本文所提卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的有效性和優(yōu)越性，將該結(jié)構(gòu)（C1層6個(gè)卷積核，C3層10個(gè)卷積核，學(xué)習(xí)率1.5）的實(shí)驗(yàn)結(jié)果與其它識(shí)別方法在ORL數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，結(jié)果如表3所示?？梢钥闯?，本文所提方法比Eigface、ICA的識(shí)別效果好，與2DPCA方法的識(shí)別準(zhǔn)確率一樣，比FisherFace方法的識(shí)別準(zhǔn)確率只低了0.20%，這進(jìn)一步證實(shí)了本文所提網(wǎng)絡(luò)結(jié)構(gòu)的有效性。

3結(jié)語(yǔ)

本文在理解Lenet-5結(jié)構(gòu)的基礎(chǔ)上，提出一種適用于ORL人臉數(shù)據(jù)集的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，本文提出的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，不僅避免了復(fù)雜的顯式特征提取過(guò)程，在ORL數(shù)據(jù)集上獲得98.30%的識(shí)別正確率，而且比大多數(shù)傳統(tǒng)人臉識(shí)別算法的效果都好。此外，本文還通過(guò)大量實(shí)驗(yàn)就每個(gè)卷積層卷積核個(gè)數(shù)對(duì)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率的影響進(jìn)行了詳細(xì)研究與分析，這對(duì)設(shè)計(jì)CNN網(wǎng)絡(luò)結(jié)構(gòu)具有一定的參考意義。

參考文獻(xiàn)參考文獻(xiàn)：

[1]李武軍，王崇駿，張煒，等.人臉識(shí)別研究綜述[J].模式識(shí)別與人工智能，2006，19（1）：5866.

[2]張翠平，蘇光大.人臉識(shí)別技術(shù)綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2000，5（11）：885894.

[3]YANG M H.Face recognition using kernel methods[J].Nips，2002（2）：14571464.

[4]祝秀萍，吳學(xué)毅，劉文峰.人臉識(shí)別綜述與展望[J].計(jì)算機(jī)與信息技術(shù)，2008（4）：5356.

[5]SAMARIA F，YOUNG S.HMMbased architecture for face identification[J].Image and Vision Computing，1994，12（8）：537543.

[6]LAWRENCE S，GILES C L，TSOI A C.Convolutional neural networks for face recognition[C].Proceedings CVPR'96，1996 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，1996：217222.

[7]陳耀丹，王連明.基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法[J].東北師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，48（2）：7076.

[8]盧官明，何嘉利，閆靜杰，等.一種用于人臉表情識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)[J].南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，36（1）：1622.

[9]李彥冬，郝宗波，雷航.卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J].計(jì)算機(jī)應(yīng)用，2016，36（9）：25082515.

[10]LCUN Y，BOTTOU L，BENGIO Y，et al.Gradientbased learning applied to document recognition[J].Proceedings of the IEEE，1998，86（11）：22782324.

[11]BOUVRIE J.Notes on convolutional neural networks[J].Neural Nets，2006（11）：18.

[12]YANG J，ZHANG D，F(xiàn)RANGI A F，et al.Twodimensional PCA：a new approach to appearancebased face representation and recognition.[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，2004，26（1）：131138.

責(zé)任編輯（責(zé)任編輯：孫娟）