齊忠文

摘 要 將深度學(xué)習(xí)等人工智能技術(shù)應(yīng)用于廣播電視節(jié)目?jī)?nèi)容監(jiān)測(cè)中，提出利用人工神經(jīng)算法解決人臉自動(dòng)識(shí)別問(wèn)題。探討B(tài)P神經(jīng)網(wǎng)絡(luò)主要算法特點(diǎn)，進(jìn)而給出人臉自動(dòng)識(shí)別流程和方案設(shè)計(jì)。

關(guān)鍵詞 深度學(xué)習(xí)；人工神經(jīng)網(wǎng)絡(luò)；人臉識(shí)別；BP網(wǎng)絡(luò)

中圖分類(lèi)號(hào) G2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-0360（2018）14-0026-02

隨著廣播電視的快速發(fā)展，傳統(tǒng)的人工監(jiān)聽(tīng)監(jiān)看方式難以滿足內(nèi)容監(jiān)管的需要。一些虛假電視醫(yī)療廣告、購(gòu)物短片極大損害廣播電視作為主流公共媒體的公信力，侵害人民群眾利益。部分違規(guī)電視廣告中虛假專(zhuān)家常常以不同身份，在多個(gè)購(gòu)物短片、醫(yī)療廣告中扮演不同角色。在電視節(jié)目?jī)?nèi)容監(jiān)管中，經(jīng)常需要對(duì)上述包含有目標(biāo)人物的電視節(jié)目進(jìn)行快速分類(lèi)，準(zhǔn)確鑒別。面對(duì)海量電視節(jié)目，緊靠人工肉眼難以及時(shí)準(zhǔn)確發(fā)現(xiàn)違規(guī)節(jié)目，因此，我們考慮利用深度學(xué)習(xí)技術(shù)應(yīng)用在人臉自動(dòng)識(shí)別中，對(duì)目標(biāo)人物人臉進(jìn)行智能識(shí)別，從而提高監(jiān)測(cè)監(jiān)管自動(dòng)化程度，迅速發(fā)現(xiàn)及時(shí)處置違規(guī)節(jié)目。

1 深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)是人工智能研究一個(gè)重要的研究部分。它汲取了多個(gè)學(xué)科的研究成果。包括數(shù)學(xué)、統(tǒng)計(jì)學(xué)、信息學(xué)、通信原理、計(jì)算機(jī)基礎(chǔ)理論乃至哲學(xué)、心理學(xué)等方面的研究支持。換個(gè)角度來(lái)講，深度學(xué)習(xí)可以看作利用計(jì)算機(jī)科技模擬人類(lèi)學(xué)習(xí)思考過(guò)程，從已知的激勵(lì)響應(yīng)、函數(shù)結(jié)果中，不斷迭代優(yōu)化函數(shù)模型，進(jìn)而在提供新變量數(shù)據(jù)時(shí)，系統(tǒng)根據(jù)模型判斷出即將產(chǎn)生的激勵(lì)結(jié)果。近年來(lái)，受益于計(jì)算機(jī)和互聯(lián)網(wǎng)等信息技術(shù)的發(fā)展成就，深度學(xué)習(xí)在人工智能研究中得到飛速發(fā)展。在語(yǔ)音識(shí)別、輔助判定方面，研究成果頗豐。在視頻自動(dòng)識(shí)別領(lǐng)域，深度學(xué)習(xí)也得到了積極應(yīng)用。同語(yǔ)音智能識(shí)別相比，視頻圖像自動(dòng)識(shí)別更加復(fù)雜。

2 人工神經(jīng)網(wǎng)絡(luò)基本原理

人工神經(jīng)網(wǎng)絡(luò)技術(shù)是采用計(jì)算機(jī)、網(wǎng)絡(luò)等技術(shù)模仿生物神經(jīng)網(wǎng)絡(luò)的研究。人工神經(jīng)網(wǎng)絡(luò)具有非線性、非有限性、非穩(wěn)定狀態(tài)和非平衡性等特性。

1）非線性。自然界中大部分系統(tǒng)都是非線性的，我們將人工神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元設(shè)置于開(kāi)關(guān)兩種狀態(tài)，進(jìn)而模擬非線性系統(tǒng)。

2）非有限性。神經(jīng)網(wǎng)絡(luò)系統(tǒng)的響應(yīng)，不只取決于單個(gè)單元，而取決于相互影響的多個(gè)單元。

3）非穩(wěn)定狀態(tài)。人工神經(jīng)網(wǎng)絡(luò)判定性能不是一成不變的，而是通過(guò)數(shù)據(jù)迭代，系統(tǒng)性能不斷提升進(jìn)化完善。

4）非平衡性。通過(guò)數(shù)據(jù)迭代，性能不斷提升過(guò)程中，影響系統(tǒng)性能的單元并不均衡。某種狀態(tài)下，性能提升往往取決于特定函數(shù)的提升過(guò)程。

經(jīng)過(guò)測(cè)試比較，目前，比較好的算法是基于反向傳播算法?；诜聪騻鞑ニ惴ɑ驹硎峭ㄟ^(guò)輸入激勵(lì)和系統(tǒng)響應(yīng)修正的不斷優(yōu)化，來(lái)逐漸提升系統(tǒng)判定能力。分為兩個(gè)階段來(lái)完成，首先是激勵(lì)的正向輸入，然后是不斷逼近測(cè)試結(jié)果的系統(tǒng)調(diào)整。早期反向傳播網(wǎng)絡(luò)只有三層，input layer、hidden layer和output layer。受限于當(dāng)時(shí)計(jì)算機(jī)硬件性能影響，基于反向傳播算法耗時(shí)較長(zhǎng)，并未得到進(jìn)一步發(fā)展。近年來(lái)，隨著信息網(wǎng)絡(luò)計(jì)算的進(jìn)一步發(fā)展，計(jì)算機(jī)計(jì)算性能大幅提升。并受益于大數(shù)據(jù)、云計(jì)算等信息技術(shù)發(fā)展。基于反向傳播算法的深度神經(jīng)網(wǎng)絡(luò)分析再次走入人們視野，展示出其應(yīng)用價(jià)值。

人工神經(jīng)網(wǎng)絡(luò)算法最大的優(yōu)勢(shì)是，系統(tǒng)自動(dòng)提取待檢樣本的特征。我們無(wú)需對(duì)樣本進(jìn)行分解處理，這同以往的檢測(cè)識(shí)別方法相比，不僅節(jié)省了時(shí)間，簡(jiǎn)化了流程，還提高了系統(tǒng)的魯棒性。例如在檢測(cè)電視節(jié)目中單幀畫(huà)面的時(shí)候，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)自動(dòng)提取畫(huà)面像素中的隱含特征。此外，利用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，各個(gè)人造神經(jīng)元同時(shí)獨(dú)立工作，也提高了系統(tǒng)運(yùn)算效率。

3 電視節(jié)目中人臉畫(huà)面識(shí)別處理

在電視節(jié)目人臉畫(huà)面中，存在人臉之外的無(wú)關(guān)信息。這些無(wú)關(guān)信息會(huì)對(duì)系統(tǒng)自動(dòng)識(shí)別帶來(lái)干擾，增加系統(tǒng)負(fù)擔(dān)。另外也會(huì)導(dǎo)致系統(tǒng)迭代結(jié)果達(dá)不到優(yōu)化效果。因此，首先，我們需要將節(jié)目畫(huà)面中人臉以外的節(jié)目信息過(guò)濾掉。

1）人臉偵測(cè)。人臉偵測(cè)的任務(wù)是在視頻節(jié)目每一幀畫(huà)面當(dāng)中，檢測(cè)是否有人臉存在，并去除人臉以外信息，將人臉畫(huà)面提取出來(lái)。早期人臉偵測(cè)主要依靠與模板比對(duì)，通過(guò)色澤，對(duì)比度等信息比較完成。缺點(diǎn)是耗時(shí)長(zhǎng)，識(shí)別率低。利用BP網(wǎng)絡(luò)的偵測(cè)設(shè)計(jì)，可以很好解決以上問(wèn)題。Multi-task convolutional neural networks算法是我國(guó)深圳一家研究院提出的人臉偵測(cè)算法。一般來(lái)講，第一層p-net作用為控制人臉邊緣區(qū)域，并對(duì)同一人物畫(huà)面歸一化。第二層r-net作用為進(jìn)一步確認(rèn)人臉位置區(qū)域，去除第一層確認(rèn)的非人臉區(qū)域。第三層可以理解為第二層深化，人臉部位區(qū)域更加準(zhǔn)確。

電視節(jié)目中的人臉姿態(tài)千變?nèi)f化，顏色、大小、方向各不相同，如果不加處理即進(jìn)行分類(lèi)訓(xùn)練，增加了后續(xù)分類(lèi)判定的難度和準(zhǔn)確性。因此，需要對(duì)不同姿態(tài)類(lèi)別的人臉進(jìn)行規(guī)范化處理，形成規(guī)范統(tǒng)一的人臉預(yù)處理樣本。目前比較好的歸一化方法一般采用仿射變換，即對(duì)電視圖像中的人臉進(jìn)行平移縮放，規(guī)范至畫(huà)面中央。

2）人臉特征提取。經(jīng)過(guò)預(yù)處理的人臉圖像各種特征在同對(duì)應(yīng)的基礎(chǔ)模型各特征比較后，形成規(guī)范化的人臉特征參數(shù)，構(gòu)成規(guī)范人臉特征向量，如圖1。利用卷積神經(jīng)網(wǎng)絡(luò)將規(guī)范后的人臉特征向量對(duì)應(yīng)至各節(jié)點(diǎn)，便于分類(lèi)。不同類(lèi)型的預(yù)處理過(guò)程，得到的特征向量維度并不相同。因此，我們采用將高維度向量降低維度，這樣我們可以在不減少信息熵的基礎(chǔ)上，降低系統(tǒng)設(shè)計(jì)難度和訓(xùn)練時(shí)間，從而獲得比較好的合成特征向量。在合成特征向量中，會(huì)有很多冗余信息，這些信息會(huì)增加識(shí)別開(kāi)銷(xiāo)，降低判定效率，在設(shè)計(jì)中一般采用稀疏特征向量映射方式解決這一問(wèn)題。

3）人臉樣本數(shù)據(jù)庫(kù)資源。正如前文所述，深度機(jī)器學(xué)習(xí)的技術(shù)支撐是海量的數(shù)據(jù)資源和當(dāng)前普遍低價(jià)高效計(jì)算能力（包含云計(jì)算支持）。而海量的數(shù)據(jù)中，必然含有對(duì)系統(tǒng)迭代優(yōu)化零貢獻(xiàn)甚至是負(fù)貢獻(xiàn)的無(wú)效數(shù)據(jù)。雖然有一些研究機(jī)構(gòu)提供相對(duì)數(shù)量的人臉樣本基本數(shù)據(jù)，但就目前來(lái)講，規(guī)范化的數(shù)據(jù)仍然顯得稀少珍貴。為了解決這一問(wèn)題，部分研究機(jī)構(gòu)開(kāi)始構(gòu)建并開(kāi)放自己的人臉數(shù)據(jù)資源

庫(kù)[1]。VGGface數(shù)據(jù)庫(kù)目前包含260萬(wàn)張人臉數(shù)據(jù)樣本。CASIA是國(guó)內(nèi)最大的人臉數(shù)據(jù)庫(kù)，包含近50萬(wàn)張人臉數(shù)據(jù)樣本。目前，也有使用計(jì)算機(jī)爬蟲(chóng)技術(shù)在互聯(lián)網(wǎng)上搜索儲(chǔ)存人臉樣本資源的數(shù)據(jù)庫(kù)。相信這些數(shù)據(jù)在規(guī)范化后同樣可以得到廣泛使用。

4 人臉自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)

基于電視節(jié)目對(duì)特定人物人臉識(shí)別的需求和深度學(xué)習(xí)技術(shù)特點(diǎn)，我們提出搭建人臉自動(dòng)識(shí)別系統(tǒng)架構(gòu)。系統(tǒng)應(yīng)滿足7×24小時(shí)穩(wěn)定運(yùn)行、可擴(kuò)展等要求。整個(gè)系統(tǒng)分為編目單元、處理單元和業(yè)務(wù)單元三部分。

1）編目單元。編目單元負(fù)責(zé)完成電視節(jié)目的下載、存儲(chǔ)和編目。首先從各監(jiān)測(cè)系統(tǒng)（有線、無(wú)線、衛(wèi)星等）中把待檢節(jié)目下載存儲(chǔ)。對(duì)下載后的節(jié)目進(jìn)行初步識(shí)別、切段和標(biāo)記。該單元還負(fù)責(zé)目標(biāo)人物特征參數(shù)的存儲(chǔ)。

2）處理單元。處理單元是人臉自動(dòng)識(shí)別系統(tǒng)的核心單元。主要負(fù)責(zé)偵測(cè)視頻圖像是否含有人臉信息，并去除人臉以外的干擾信息，對(duì)人臉位置進(jìn)行校正對(duì)齊。將歸一化的人臉信息輸入深度學(xué)習(xí)系統(tǒng)，輸出判定結(jié)論。該單元還要完成系統(tǒng)的訓(xùn)練學(xué)習(xí)任務(wù)，通過(guò)一次次數(shù)據(jù)迭代，完成優(yōu)化系統(tǒng)功能。

3）業(yè)務(wù)單元。主要包括系統(tǒng)管理與參數(shù)設(shè)置，數(shù)據(jù)維護(hù)、監(jiān)看任務(wù)管理。其中任務(wù)管理包括建立任務(wù)、實(shí)時(shí)或者下載任務(wù)。業(yè)務(wù)單元中，最重要的是人工審核處理。根據(jù)系統(tǒng)規(guī)劃，自動(dòng)識(shí)別完成后，需要對(duì)比對(duì)結(jié)果進(jìn)行復(fù)核。

4）業(yè)務(wù)流程。通過(guò)各監(jiān)測(cè)系統(tǒng)，按需求下載待檢測(cè)節(jié)目錄像。對(duì)錄像節(jié)目進(jìn)行預(yù)處理。預(yù)處理包括統(tǒng)一節(jié)目格式、歸一化人臉信息數(shù)據(jù)等。之后將處理后的人臉數(shù)據(jù)輸入檢測(cè)系統(tǒng)。系統(tǒng)將待檢數(shù)據(jù)同特征庫(kù)中的數(shù)據(jù)進(jìn)行比對(duì)，檢測(cè)結(jié)果上報(bào)人工席位，最后由人工席位完成數(shù)據(jù)核準(zhǔn)。人工席位不定期更新人臉數(shù)據(jù)庫(kù)，保證數(shù)據(jù)庫(kù)數(shù)據(jù)完整有效。

5 結(jié)論

深度學(xué)習(xí)技術(shù)已經(jīng)廣泛應(yīng)用于語(yǔ)音識(shí)別、圖像識(shí)別等人工智能領(lǐng)域。將深度學(xué)習(xí)、神經(jīng)算法等人工智能技術(shù)應(yīng)用于廣播電視節(jié)目?jī)?nèi)容監(jiān)測(cè)的人臉比對(duì)等方面，將極大提高業(yè)務(wù)效率，從而更加準(zhǔn)確發(fā)現(xiàn)違規(guī)節(jié)目，維護(hù)廣播電視秩序。相信人工智能技術(shù)的進(jìn)一步發(fā)展會(huì)進(jìn)一步加快其在廣播電視監(jiān)測(cè)監(jiān)管領(lǐng)域的成果轉(zhuǎn)化。

參考文獻(xiàn)

[1]郭麗麗，丁世飛.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算化科學(xué)，2015，42（5）：28-33.