孫彥 丁學文 雷雨婷

摘要：為了改善當前人臉識別技術存在準確率低、算法運行速度慢和無法識別多個目標的問題，提出一種基于目標檢測模型SSD_MobileNetv1的人臉識別方法，搭建Tensorflow Object Detection API框架，對人臉圖像進行數(shù)據(jù)清洗和過濾來減少噪聲對識別的影響，用MobileNetv1網(wǎng)絡對圖像進行特征提取，輸入至SSD網(wǎng)絡進行訓練，使用梯度下降法優(yōu)化訓練網(wǎng)絡中的權重。實驗結果表明，多人臉識別目標定位準確、識別準確率高及模型訓練的收斂速度加快，具有魯棒性。

關鍵詞：人臉識別；SSD_MobileNetv1神經(jīng)網(wǎng)絡；數(shù)據(jù)清洗；梯度下降

中圖分類號：TP391文獻標志碼：A文章編號：1008-1739（2019）22-68-4

0引言

人臉識別是基于對人的臉部特征信息來識別身份。在當今這個處于大數(shù)據(jù)和云計算的社會，人臉識別在現(xiàn)實社會中的應用相當廣泛，例如在火車站安檢、公安系統(tǒng)、視頻會議及醫(yī)療等方面，人臉識別技術正逐步成為智能化領域的研究課題[1]。

傳統(tǒng)的人臉識別算法包括PCA[2]，LDA[3]，LBP[4]等，在提取特征和準確度方面均存在一定不足。杜翠鳳采用深度卷積對抗神經(jīng)網(wǎng)絡對多狀態(tài)自適應的人臉識別，準確率達75.87%[5]；胡少聰將卷積神經(jīng)網(wǎng)絡和SIAMESE網(wǎng)絡進行了組合，對不同部位及尺度的人臉圖像訓練從而實現(xiàn)人臉識別，達到81%的準確率[6]；利用yolo_v2對多個人臉進行識別，發(fā)現(xiàn)對人臉目標的定位不準確，且識別的準確率不夠高。

雖然現(xiàn)在人臉識別技術在準確度方面有所提升，但對于內存資源占用量大、運行效率慢以及多人臉圖像的識別仍然存在欠缺。針對上述問題，提出一種在Tensorflow Object Detection API框架下，利用目標檢測模型SSD_MobileNetv1生成先驗框判斷不同尺度目標識別多個目標的特點，以及深度分離可卷積網(wǎng)絡減少網(wǎng)絡參數(shù)的特點，識別在不同表情、裝扮、光照等常見場景下的多人臉目標，該方法提升了識別準確率，加快了模型訓練時的收斂速度。

1 SSD_MobileNetv1網(wǎng)絡模型

SSD_MobileNe tv1網(wǎng)絡模型以SSD為基礎，在MobileNetv1骨干網(wǎng)絡的conv13層后添加8個卷積層，抽取6層用作檢測層[7]。SSD_MobileNetv1結合SSD和MobileNetv1網(wǎng)絡，用3伊3大卷積核對各個通道輸出進行卷積和分解來提取特征學習，在深度卷積層和點卷積層后連接批規(guī)范層和relu函數(shù)來保證良好的精確度，再由點卷積執(zhí)行特征融合進入卷積網(wǎng)絡，對特征進行篩選和映射，將特征輸入到網(wǎng)絡進行訓練以更新權重值，減少參數(shù)運算量，實現(xiàn)模型運行的加速。

1.1 SSD卷積神經(jīng)網(wǎng)絡

SSD卷積神經(jīng)網(wǎng)絡模型是利用單個深度神經(jīng)網(wǎng)絡進行對象檢測的框架[8]。SSD變VGG原結構的2個全連接層為卷積層，刪除Dropout層，增加3層卷積和1層池化，在各個卷積層的feature map上構造不同的Bounding Boxes（BB）進行檢測，生成多個BB，利用NMS得到最終BB集合，提升模型精度和檢測能力。

SSD利用生成錨框的思想來生成先驗框，采用多尺度訓練方式，將不同大小默認框應用在特征圖上以離散化輸出框形狀，來滿足真實目標形狀多變的情況，SSD先驗框生成圖如圖1所示。

將其翻轉后得到另一個寬和高互換、面積相同的長方形。先驗框大小隨不同的特征圖和長寬比不斷變化，預測多個先驗框有效判斷目標的多種形狀，兼顧各個尺度的目標，實現(xiàn)在多個尺度的特征圖上執(zhí)行檢測目標工作。

1.2 MobileNetv1網(wǎng)絡

MobileNetv1網(wǎng)絡模型是Google提出的使用深度可分離卷積來構建輕量級的深層神經(jīng)網(wǎng)絡。優(yōu)點在于分解卷積核，將標準卷積分解成深度卷積和點卷積，深度卷積將每個卷積核應用到每個通道，用單個卷積核對單個通道進行卷積，得到輸入通道數(shù)的深度，再利用點卷積對深度卷積的輸出線性結合從而產生新的特征[7]。這種分解可有效降低模型規(guī)模，減少網(wǎng)絡參數(shù)。深度分離卷積示意圖如圖2所示。

SSD_MobileNetv1網(wǎng)絡利用深度分離可卷積的特性將原有的冗余參數(shù)用小規(guī)模參數(shù)來替代，降低計算量和硬件內存資源消耗，收斂速度加快，有效控制過擬合。

2系統(tǒng)設計與實現(xiàn)

2.1人臉識別系統(tǒng)設計

本文設計的人臉圖像識別系統(tǒng)分為3個模塊，系統(tǒng)的實現(xiàn)框圖如圖3所示。第1個模塊是數(shù)據(jù)集構建模塊；第2個模塊是網(wǎng)絡訓練模塊，利用SSD_MobileNetv1網(wǎng)絡提取圖像特征，進行特征融合，完成網(wǎng)絡模型的訓練；第3個模塊是人臉識別模塊，將測試圖像輸入到已經(jīng)完成訓練的網(wǎng)絡中進行計算，得到識別結果。

2.2人臉圖像預處理

本次實驗圖像數(shù)據(jù)來自Wider face數(shù)據(jù)集，圖片高達3萬張，包含了40萬張人臉，囊括了各個尺度、裝扮、光照及表情等常見的場景。

實驗之前，考慮到圖像具有隨機性，圖片尺寸大小不一，重復率較高等問題，需要對圖像進行預處理。首先，利用數(shù)據(jù)清洗處理缺失值、平滑噪聲、識別和刪除離散值[9]，采用過濾和銳化操作增強圖像邊緣細節(jié)，可以有效提高圖像質量和圖像利用率。

Wider face數(shù)據(jù)集自帶含原始圖片的名稱與路徑以及人臉框坐標大小的txt文件，將含有圖像標注信息的txt文件轉換為XML文件以提供交換和描述獨立于應用程序的結構化數(shù)據(jù)。

此外，還需將XML文件轉換為tfrecord格式，可以把圖片數(shù)據(jù)信息和標簽一同存儲，可以快速在TensorFlow中實現(xiàn)復制、讀取和存儲等操作，達到加速模型讀取和訓練的效果。

3實驗仿真

3.1系統(tǒng)實驗

3.2實驗結果與分析

利用可視化工具Tensorboard查看網(wǎng)絡的性能，有效顯示網(wǎng)絡訓練期間各種指標隨時間的變化趨勢信息。隨著訓練次數(shù)的增加，訓練的損失呈現(xiàn)下降趨勢，網(wǎng)絡的良好性能優(yōu)勢得以體現(xiàn)，圖像的失真率在減小，圖片識別的效果逐步提高。

選取了含有多個目標的人臉圖像對訓練好的人臉識別模型進行測試，來驗證模型的識別率，識別效果如圖4所示。

從識別效果圖發(fā)現(xiàn)，盡管測試圖像存在干擾背景，但SSD_MobileNetv1網(wǎng)絡模型依然能準確識別圖像中的多個人臉目標，并且識別率較高。

圖5是2種模型識別結果對比，圖5（a）是在yolov2模型下的識別效果圖5（b）是SSD_MobileNetv1網(wǎng)絡下的識別效果。為了提升對訓練圖像的分辨率，人臉識別一般會采用yolov2模型進行實驗，yolov2模型對人臉識別存在召回率以及定位能力提高的優(yōu)勢，但圖5（a）中人臉沒有全部檢測出來，且識別的準確率也是低于5（b）的。

比較在SSD_MobileNetv1網(wǎng)絡和yolov2模型的識別率，結果如表1所示。

以上測試結果表明，SSD_MobileNetv1網(wǎng)絡對多個人臉共存圖片具有較好的目標定位效果，符合現(xiàn)實場景中多個個體出現(xiàn)，定位準確且識別精確度比較高。

4結束語

本文給出了一種基于目標檢測模型SSD_MobileNetv1的人臉識別，介紹了圖像數(shù)據(jù)清洗等預處理操作和SSD_MobileNetv1神經(jīng)網(wǎng)絡的基本概念，介紹網(wǎng)絡訓練以及運用梯度下降法更新網(wǎng)絡訓練的權重，最后介紹了對人臉識別模型的測試和分析。實驗結果表明，本文方法對多人臉圖像中的人臉目標定位準確，且模型訓練收斂速度較快。后續(xù)的工作是繼續(xù)優(yōu)化模型的性能，以求獲得更高的魯棒性，并將模型移植到手機等設備上，充分發(fā)揮其實用價值。

參考文獻

[1]安大海，蔣硯軍.基于BP神經(jīng)網(wǎng)絡的人臉識別系統(tǒng)[J].軟件， 2015，36（12）：76-79.

[2]曾建凡.多角度人臉檢測與識別方法研究[J].電子設計工程， 2017，25（11）：41-44.

[3] Chen L F， Liao H YM， Ko M T， et al. A New LDA-based Face Recognition System Which Can Solve the Small Sample Size Problem[J]. Pattern Recognition，2000，33（10）： 1713-1726.

[4] Ahonen T， Hadid A， Pietikinen M. Face Description with Local Binary Patterns： Application to Face Recognition[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2006， 28（12）：2037-2041.

[5]杜翠鳳，溫云龍，李建中.基于深度卷積對抗神經(jīng)網(wǎng)絡的多狀態(tài)自適應人臉識別方法[J].移動通信，2019，43（9）：75-78，85.

[6]胡少聰.基于深度學習的人臉識別方法研究[J].電子科技， 2019，32（06）：82-86.

[7] Howard A G， Zhu M， Chen B， et al. MobileNetsV1： Efficient Convolutional Neural Networks for Mobile Vision Applications[J]. Computer Science -computer Vision and Pattern Recognition，2017：1704-1712.

[8] Liu W， Anguelov D， Erhan D， et al. SSD： Single Shot Multi Box Detector[C]// European Conference on Computer Vision， Springer，2016：21-37.

[9] Meisler Steven L， Kahana Michael J， Ezzyat Youssef. Does Data Cleaning Improve Brain State Classification？[J]. Journal of neuroscience methods，2019：328.