劉秀麗，陳 銳

(山東華宇工學(xué)院，山東 德州 253000)

1 基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)

1.1 深度學(xué)習(xí)

深度學(xué)習(xí)是通過模仿人腦神經(jīng)網(wǎng)絡(luò)建立的一種類似的學(xué)習(xí)策略，是一種由包含復(fù)雜結(jié)構(gòu)或包含多重非線性變換構(gòu)成的多個(gè)處理層對(duì)數(shù)據(jù)進(jìn)行高層抽象的算法，通過從低層輸入數(shù)據(jù)逐層向前推算，最終得到網(wǎng)絡(luò)輸出。深度學(xué)習(xí)模型見圖1。

圖1 深度學(xué)習(xí)模型圖Fig.1 Deep learning model

目前公認(rèn)的深度學(xué)習(xí)模型有卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)及堆疊自動(dòng)編碼器等。

1.2 人臉識(shí)別技術(shù)

人臉識(shí)別是采用攝像機(jī)采集有關(guān)人臉的圖像或視頻，可以自動(dòng)檢測(cè)和跟蹤人臉，并對(duì)檢測(cè)到的人臉進(jìn)行自動(dòng)識(shí)別。

1.2.1 傳統(tǒng)人臉識(shí)別技術(shù)

最早應(yīng)用的人臉識(shí)別技術(shù)是對(duì)人臉幾何特征進(jìn)行描述，每個(gè)人的眼睛、鼻子、嘴巴等大小和形狀各不相同，所以幾何特征描述可以很好地應(yīng)用于人臉輪廓描述上。該方法計(jì)算比較簡(jiǎn)單，識(shí)別速度較快，但是當(dāng)面容表情發(fā)生變化時(shí)，識(shí)別精度就會(huì)下降。對(duì)于局部特征的描述可選取局部細(xì)節(jié)特征進(jìn)行識(shí)別，該方法簡(jiǎn)單，但是選取的特征具有局限性，識(shí)別誤差大。LBP算法是實(shí)現(xiàn)特征提取的傳統(tǒng)算法之一，是將圖像劃分成多個(gè)很小的區(qū)域，將每個(gè)區(qū)域中的像素與四周的相鄰區(qū)域像素進(jìn)行對(duì)比，若周圍像素值大于中心像素值，則在空字節(jié)字符串標(biāo)記為“1”，小于則標(biāo)記為“0”，這樣3×3鄰域內(nèi)就可以得到8位的二進(jìn)制數(shù)及區(qū)域的直方圖。直方圖可以用以下公式表示：

其中f(X,Y)為圖像區(qū)域，n代表區(qū)域數(shù)量，通過對(duì)直方圖進(jìn)行計(jì)算可以得到整個(gè)圖像的特征向量。該算法的缺點(diǎn)是在平面圖像區(qū)域上不具有魯棒性，強(qiáng)度差異幅度小，且容易受到圖像噪聲的影響。

1.2.2 基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)

基于深度學(xué)習(xí)建立的人臉識(shí)別技術(shù)主要包括人臉檢測(cè)、人臉對(duì)齊、人臉驗(yàn)證和人臉識(shí)別等步驟，見圖2。

圖2 人臉識(shí)別步驟流程圖Fig.2 Process of face recognition

人臉檢測(cè)。通過攝像頭對(duì)某一場(chǎng)景進(jìn)行拍攝或直接選取一張照片，對(duì)視頻或照片進(jìn)行檢測(cè)，自動(dòng)識(shí)別其中存在的每一個(gè)人臉?；谏疃葘W(xué)習(xí)創(chuàng)建的多類目標(biāo)檢測(cè)可以有效進(jìn)行人臉檢測(cè)，具體的檢測(cè)方法包括以Faster-RCNN為代表的基于Region Proposal的目標(biāo)檢測(cè)算法、以YOLO、SSD為代表的基于回歸的深度學(xué)習(xí)目標(biāo)檢測(cè)算法。對(duì)圖像中的人臉進(jìn)行檢測(cè)機(jī)算，如果存在人臉，確定其所處位置之后，將人臉和背景進(jìn)行分離，有效降低圖像噪聲對(duì)人臉識(shí)別的干擾，進(jìn)一步提高人臉辨識(shí)的準(zhǔn)確性。

人臉對(duì)齊。它是對(duì)人的面部特征進(jìn)行提取，常用的特征提取算法是MTCNN，可以同時(shí)實(shí)現(xiàn)檢測(cè)和對(duì)齊，該種算法可以很好地克服由于姿勢(shì)、亮度及遮擋等原因造成的人臉對(duì)齊困難問題，有效地排除干擾因素，提取人臉特征。MTCNN是多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的縮寫，主要包括PNet、RNet、和ONet三層網(wǎng)絡(luò)結(jié)構(gòu)，它的實(shí)現(xiàn)流程是構(gòu)建圖像金字塔，將圖像進(jìn)行不同尺度的變化，保證不同大小人臉都可以進(jìn)行檢測(cè)；根據(jù)構(gòu)建完成圖像金字塔，在PNet構(gòu)造中使用FCN進(jìn)行初步的特征提取并標(biāo)定圖像的邊框，再進(jìn)行窗口調(diào)整及過濾大部分的窗口；圖片經(jīng)過PNet處理后，留下許多預(yù)測(cè)窗口，RNet會(huì)根據(jù)留下的預(yù)測(cè)窗口進(jìn)行過濾，除去效果較差的候選框，留下的候選框會(huì)進(jìn)一步優(yōu)化預(yù)測(cè)結(jié)果；ONet通過更多的監(jiān)督識(shí)別面部區(qū)域，回歸面部特征點(diǎn)，得到最終的面部特征點(diǎn)，MTCNN各層效果圖見圖3。

圖3 MTCNN算法各層效果圖Fig.3 Effect sketch of MTCNN arithmetic of all layers

人臉驗(yàn)證。人臉驗(yàn)證通常是指進(jìn)行1∶1的比對(duì)，即對(duì)比兩個(gè)圖像中的人物是否為同一人。通過對(duì)兩張圖像中人臉特征進(jìn)行對(duì)比，確定相似度，與設(shè)定的閾值進(jìn)行對(duì)比驗(yàn)證，如果相似度大于閾值則認(rèn)為為同一人，若相似度小于閾值則認(rèn)為不是同一人。

人臉識(shí)別。人臉識(shí)別是做1∶N的比對(duì)，從眾多人臉中提取出指定的人臉，可廣泛應(yīng)用于疑犯追蹤、小區(qū)門禁等地方?；谏疃葘W(xué)習(xí)建立的人臉識(shí)別，必須建立數(shù)量龐大的人臉數(shù)據(jù)庫，儲(chǔ)存不同的人臉和身份信息，在使用時(shí)可以迅速匹配人臉信息和身份信息。

2 基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)的應(yīng)用

2.1 鐵路乘車實(shí)名制中的應(yīng)用

目前，鐵道部門采用實(shí)名制驗(yàn)證檢票進(jìn)站系統(tǒng)，95%以上采用二代居民身份證來核驗(yàn)乘客信息，但由于身份證照片年限較長(zhǎng)，出現(xiàn)了與人臉信息無法核對(duì)一致的問題，耗時(shí)耗力，給乘車核驗(yàn)帶來了一定的難度，由此引進(jìn)了人臉識(shí)別技術(shù)。

采用人臉識(shí)別技術(shù)建立的驗(yàn)證檢票系統(tǒng)。乘客采

用自助進(jìn)站閘機(jī)自動(dòng)檢票，乘客手持身份證及紙質(zhì)車票在自動(dòng)驗(yàn)證檢票機(jī)上識(shí)別身份信息，先進(jìn)行車票和身份證的一致性核驗(yàn)，通過后進(jìn)入人臉和身份證信息的識(shí)別核驗(yàn)，通過人臉識(shí)別采集設(shè)備采集人臉照片，與身份證進(jìn)行信息對(duì)比，當(dāng)身份證與人臉匹配度大于設(shè)定的閾值時(shí)，表示通過核驗(yàn)，進(jìn)站閘機(jī)開門，乘客可以進(jìn)站。如果出現(xiàn)自助核驗(yàn)不通過的情況，乘客需要等待人工核驗(yàn)，人工核驗(yàn)則是由服務(wù)器將乘客身份證信息和人臉采集設(shè)備抓拍的3張照片顯示出來，工作人員人工核驗(yàn)身份信息，通過則開啟閘機(jī)。

2.2 智慧安防中的應(yīng)用

人臉識(shí)別技術(shù)由于具有非接觸性、直觀性、識(shí)別速度快及不易察覺等優(yōu)點(diǎn)，被廣泛應(yīng)用于社會(huì)治安防控中。

在監(jiān)獄管理中應(yīng)用人臉識(shí)別技術(shù)，需要對(duì)監(jiān)獄罪犯進(jìn)行人臉采集，并上傳相應(yīng)的身份信息和犯罪信息，建立人臉數(shù)據(jù)庫，在每個(gè)AB門及所有建筑出入口安裝配套的人臉識(shí)別設(shè)備和攝像頭，24 h不間斷地對(duì)進(jìn)出人員進(jìn)行人臉采集識(shí)別，由專人負(fù)責(zé)視頻監(jiān)控及人臉識(shí)別信息分析。通過建立完善的人臉識(shí)別系統(tǒng)，可以解決監(jiān)獄管理中的許多問題。

犯人異常行為追蹤。當(dāng)勞動(dòng)收班或結(jié)束自由活動(dòng)后，如果有人進(jìn)入相應(yīng)的活動(dòng)場(chǎng)所并長(zhǎng)時(shí)間滯留徘徊，人臉識(shí)別系統(tǒng)就會(huì)進(jìn)行人臉收集，與人臉數(shù)據(jù)庫進(jìn)行人員比對(duì)，確定該人員是否是犯人，如果是則發(fā)出警報(bào)，提醒獄警及時(shí)查看罪犯出現(xiàn)在活動(dòng)場(chǎng)所的原因，防止有罪犯勘察監(jiān)獄地形結(jié)構(gòu)發(fā)生越獄行為。部分罪犯性格比較乖張暴戾，常常會(huì)發(fā)生打架斗毆事件，當(dāng)出現(xiàn)這一行為時(shí)，人臉識(shí)別系統(tǒng)將直接采集打架斗毆人員的信息并發(fā)出警報(bào)，及時(shí)通知獄警出警，遏制斗毆事件的發(fā)生，防止事態(tài)進(jìn)一步惡化。

重點(diǎn)人員重點(diǎn)監(jiān)管。人臉監(jiān)控系統(tǒng)可以對(duì)重刑犯進(jìn)行重點(diǎn)監(jiān)控，實(shí)時(shí)查看他們的活動(dòng)狀態(tài)，當(dāng)出現(xiàn)異?；顒?dòng)狀態(tài)時(shí)，及時(shí)進(jìn)行干預(yù)。當(dāng)有外協(xié)人員進(jìn)入監(jiān)獄時(shí)，通過人臉采集，定位追蹤外協(xié)人員是否按照規(guī)定路線和規(guī)定時(shí)間辦事。

3 結(jié)語

介紹了傳統(tǒng)人臉識(shí)別技術(shù)和基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)，展現(xiàn)了深度學(xué)習(xí)算法的優(yōu)勢(shì)。基于深度學(xué)習(xí)建立的人臉識(shí)別技術(shù)，可以快速進(jìn)行海量人臉數(shù)據(jù)識(shí)別，降低了背景噪音的影響，極大提高了識(shí)別精準(zhǔn)率，隨著人臉識(shí)別技術(shù)的日益成熟，將給人們生活帶來更多便利。