張晨

（廈門軟件職業(yè)技術(shù)學(xué)院 軟件工程系，福建廈門 361023）

人臉識別技術(shù)作為當(dāng)下國內(nèi)外研究熱門，是一種利用圖像來匹配人臉特征從而區(qū)分個體的生物識別技術(shù)。人臉識別的過程主要包括人臉檢測定位、歸一化、特征提取、人臉識別幾個方面[1]，已有的相關(guān)技術(shù)廣泛采用區(qū)域特征分析算法，并融合計算機(jī)圖像處理技術(shù)及生物統(tǒng)計學(xué)原理。人臉識別技術(shù)已有幾十年的發(fā)展歷程，逐漸由弱人工智能向強人工智能進(jìn)行轉(zhuǎn)化，已成為人工智能領(lǐng)域的重要應(yīng)用。隨著深度學(xué)習(xí)領(lǐng)域尤其是以卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）為代表的相關(guān)技術(shù)的快速發(fā)展，更加推動了人臉識別技術(shù)的發(fā)展。

CNN 是一種深度學(xué)習(xí)模型，其本質(zhì)為前饋神經(jīng)網(wǎng)絡(luò)，模型的工作方法和參數(shù)通常不需要人為過多干預(yù)即可完成特征提取和模式識別，相關(guān)模型可通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模式，來模擬人類大腦學(xué)習(xí)過程從而完成無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)。CNN 已廣泛滲透于規(guī)?；膱D像數(shù)據(jù)集的分類與識別領(lǐng)域，其中LeNet、AlexNet、VggNet、ResNet 是最為典型的四種網(wǎng)絡(luò)模型，其中AlexNet 網(wǎng)絡(luò)模型具有收斂快、不易過擬合、訓(xùn)練速度快等特點。本文主要對卷積神經(jīng)網(wǎng)絡(luò)特點出發(fā)，針對人臉識別的過程基于AlexNet 卷積神經(jīng)網(wǎng)絡(luò)模型展開應(yīng)用研究。

1 AlexNet 卷積神經(jīng)網(wǎng)絡(luò)模型

1.1 卷積神經(jīng)網(wǎng)絡(luò)

CNN 通過多層次網(wǎng)絡(luò)結(jié)構(gòu)的卷積運算來完成樣本圖像的深度抽象特征提取工作，模型能夠自適應(yīng)及自我學(xué)習(xí)，在有限的條件下也能夠很好提取目標(biāo)圖像特征并完成分類。CNN 通常由輸入層、卷積層、池化層、全連接層及輸出層組成，不同的CNN網(wǎng)絡(luò)，其卷積層與全連接層的數(shù)量也不相同。其中，輸入層用于接收樣本數(shù)據(jù)并進(jìn)行一定的預(yù)處理，網(wǎng)絡(luò)把輸入的原始數(shù)據(jù)通過一些簡單的非線性模型處理轉(zhuǎn)化為更深層次、更抽象的表達(dá)，輸出層通常作為分類器完成模式分類。

1）卷積層：CNN 網(wǎng)絡(luò)中的卷積層通過進(jìn)行卷積運算完成特征提取和特征映射，其中卷積核用于提取輸入圖片的不同特征，每個卷積層單元可以被理解為是圖像濾波器的集合。n 個卷積核的掃描將得到深度為n 的特征空間，即提取到了n 種類型的特征，卷積公式一般形式為：

其中，yj為卷積層第j 個神經(jīng)元的輸出，f 為使用的激活函數(shù)，Mj為輸入的特征空間，xi為上一層第i個神經(jīng)元結(jié)點的輸出，Wij為該層對應(yīng)上一層第i 個神經(jīng)元結(jié)點在當(dāng)前層第j 個神經(jīng)元結(jié)點間卷積核賦值的權(quán)重，bj為第j 個神經(jīng)元對應(yīng)的偏值置，n 為卷積核的位移量，*為卷積。在卷積神經(jīng)網(wǎng)絡(luò)中，卷積核越深則卷積后得到的特征圖數(shù)目相應(yīng)更多，同時該卷積層存儲的特征空間就更大，網(wǎng)絡(luò)模型學(xué)習(xí)效率也越高。但并不是層數(shù)越多越好，模型結(jié)構(gòu)越復(fù)雜計算量則越大。當(dāng)輸入矩陣大小為n×n、卷積核大小為f×f 時，卷積后輸出的卷積維度的大小為：

2）池化層：位于卷積層之間，主要通過完成數(shù)據(jù)和參數(shù)的壓縮并降低特征維度，可達(dá)到減小模型的計算量和避免過擬合的目的。常用的有最大池化（Max-Pooling）和平均池化（Mean-Pooling），在特定需求下為了保留更多的圖像特征紋理，通常采用最大池化來輸出目標(biāo)區(qū)域中的最大值：

其中，p 為池化窗口大小，即上一層輸出的特征圖縮放的倍數(shù)。

3）全連接層：通常在卷積神經(jīng)網(wǎng)絡(luò)的末尾位置對特征進(jìn)行重新擬合，將含有類別區(qū)分性的部分信息進(jìn)行整合，減少特征信息的損失[2]。全連接層的每個神經(jīng)元都和上一層的全部神經(jīng)元相連接，同時每個神經(jīng)元對應(yīng)著一組權(quán)值與偏置值。常規(guī)的CNN網(wǎng)絡(luò)在輸出層基于softmax 激勵函數(shù)完成最后分類結(jié)果的輸出，把一個n 維的神經(jīng)元輸出向量y＝｛y1，y2，y3…，yn｝ 轉(zhuǎn)換為與之對應(yīng)的另一個特征向量p＝｛p1，p2，p3…，pn｝，其中所有向量值累加值為1，可等價于概率，故可以根據(jù)概率的大小來進(jìn)行分類的預(yù)測和判別，概率最大時就得到最優(yōu)分類[3]。

4）激活函數(shù)：由于卷積層的卷積計算是一種線性運算，因此需要通過激活函數(shù)來增加非線性映射，從而減少參數(shù)的相互依賴性，減緩模型的過擬合情況。激活函數(shù)可以將數(shù)據(jù)歸一化，避免模型產(chǎn)生線性依賴。常用的激活函數(shù)有Sigmoid、ReLU、Tanh 等。其中ReLU 函數(shù)具有收斂快、求梯度簡單的特點。

1.2 AlexNet 網(wǎng)絡(luò)模型及算法流程

AlexNet 是經(jīng)典的CNN 網(wǎng)絡(luò)，由Krizhevsky[4]等于2012 年提出，是LeNet 的一種延伸，網(wǎng)絡(luò)引入隨機(jī)失活層來處理網(wǎng)絡(luò)中的過擬合，并使用激活函數(shù)ReLU 替代Sigmoid 作為激活函數(shù)使模型收斂速度得到提升。AlexNet 算法性能較為穩(wěn)定，是具有層次結(jié)構(gòu)的學(xué)習(xí)模型，可以通過卷積和采樣操作自適應(yīng)地來完成圖像深層特征的提取最后完成分類。AlexNet 模型結(jié)構(gòu)見圖1，網(wǎng)絡(luò)由五個卷積層和三個全連接層共八個層次構(gòu)成，其中最后一層全連接層完成模式識別分類工作。

圖1 AlexNet 網(wǎng)絡(luò)模型結(jié)構(gòu)示意圖

網(wǎng)絡(luò)模型的相關(guān)基本參數(shù)見表1，模型根據(jù)輸入的陣列自適應(yīng)得出當(dāng)前情況下行與列參數(shù)的值。

表1 AlexNet 模型基本參數(shù)

AlexNet 模型默認(rèn)輸入大小為227×227，對于人臉識別過程中經(jīng)過預(yù)處理后得到的黑白二值樣本，輸入AlexNet 的將是一個227×227 的二維神經(jīng)元。網(wǎng)絡(luò)的算法過程如下：

Step1:輸入227×227×3 的樣本；

Step2 :經(jīng)過卷積層conv1 的卷積操作生成227×227×d1的特征空間；

Step3 :經(jīng)過池化層pool1 的池化操作后得到227/2×227/2×d1的特征空間；

Step4:經(jīng)過卷積層conv2 的卷積操作生成227/2×227/2×d2的特征空間；

Step5:經(jīng)過池化層pool2 的池化操作后得到227/4×227/4×d2的特征空間；

Step6:經(jīng)過卷積層conv3 的卷積操作生成227/2×227/4×d3的特征空間；

Step7:經(jīng)過卷積層conv4 的卷積操作生成227/2×227/4×d4的特征空間；

Step8:經(jīng)過卷積層conv5 的卷積操作生成227/2×227/4×d5的特征空間；

Step9:經(jīng)過卷積層pool3 的池化操作生成227/2×227/8×d5的特征空間；

Step10:經(jīng)數(shù)據(jù)降維將特征空間轉(zhuǎn)化為m 維特征向量，并經(jīng)最后一個全連接層（softmax）輸出。其中，dn為卷積提取的特征空間的深度。

2 應(yīng)用實驗與結(jié)果分析

2.1 數(shù)據(jù)集選取及圖像預(yù)處理

實驗所需的人臉圖像樣本選取尺寸適宜且樣本數(shù)據(jù)量較大的LFW 公開人臉數(shù)據(jù)集，該數(shù)據(jù)集是由來自全球范圍內(nèi)的部分知名人士在自然場景下不同表情、朝向、光照條件，共5749 個個體的13233 張人臉圖像構(gòu)成，數(shù)據(jù)集以彩色圖像為主，原始尺寸為250×250，每張圖片都有其唯一的姓名ID 和序號加以區(qū)分。由于數(shù)據(jù)集的樣本均來源于自然場景，尤其是在不同姿態(tài)、表情、年齡、光照、遮擋等因素下會使同一個個體對象拍攝出來的圖像差別較大，因此數(shù)據(jù)集的預(yù)處理工作尤為重要。實驗搭建的環(huán)境為An aconda（Python3.8,64bit）、PyCharm（Community2021.1.2），程序主要調(diào)取及采用PIL、Numpy、TensorFlow、OpenCV、Dlib 等庫，同時利用輕量、高性能的Tornado，編寫發(fā)布一個簡單的web 頁面作為前端人機(jī)交互窗口。圖像的預(yù)處理通過OpenCV 中GaussianBlur 函數(shù)完成高斯濾波，降低客觀環(huán)境條件帶來的圖像噪聲；使用cvtColor函數(shù)完成圖像的灰度化，將彩色RGB 圖像到灰度圖像進(jìn)行轉(zhuǎn)換，轉(zhuǎn)化后圖像為單通道的灰度圖；使用threshold 函數(shù)完成圖像的二值化，將整個圖像處理轉(zhuǎn)化為只有黑與白的視覺效果的圖像；使用resize 函數(shù)將原始樣本歸一化為227×227 的尺寸，契合模型輸入要求。同時完成所有樣本的數(shù)據(jù)類別標(biāo)注工作，利用Numpy 庫將圖片信息和類別標(biāo)簽信息轉(zhuǎn)化為array 矩陣格式。

2.2 圖像預(yù)處理及卷積模型的訓(xùn)練分析

采用了由五個卷積層、三個全連接層組成的AlexNet 網(wǎng)絡(luò)模型，池化層采用最大池化，其大小為3×3，激活函數(shù)采用的是ReLU，程序調(diào)取及采用TensorFlow 庫進(jìn)行模型的訓(xùn)練。為了使模型更具魯棒性，通過添加隨機(jī)噪聲、水平和垂直翻轉(zhuǎn)、適度旋轉(zhuǎn)或扭曲、亮度與對比度調(diào)節(jié)等非生成式的方法將每個樣本圖片隨機(jī)變換為12 個不同的樣本，再整合按照7:3 拆分為訓(xùn)練集和驗證集，輸入到卷積神經(jīng)網(wǎng)絡(luò)中。訓(xùn)練的基本參數(shù)設(shè)置見表2，其他參數(shù)為缺省參數(shù)，模型根據(jù)輸入的陣列自適應(yīng)得出當(dāng)前情況下行與列參數(shù)的值，訓(xùn)練過程將對參數(shù)進(jìn)行優(yōu)化微調(diào)。

表2 AlexNet 網(wǎng)絡(luò)模型訓(xùn)練基本參數(shù)

訓(xùn)練參數(shù)將直接影響到模型的整體性能，尤其是訓(xùn)練次數(shù)的設(shè)置，次數(shù)過少網(wǎng)絡(luò)仍在學(xué)習(xí)中，過多則網(wǎng)絡(luò)易出現(xiàn)過擬合，為了得到最佳的效果根據(jù)損失值隨訓(xùn)練次數(shù)的變化趨勢，隨著訓(xùn)練次數(shù)的增加損失值呈現(xiàn)下降的趨勢，模型逐漸收斂，當(dāng)訓(xùn)練到30 Epoch 后，曲線雖有小幅度波動但整體趨勢逐漸接近于0 并更加趨于穩(wěn)定，網(wǎng)絡(luò)達(dá)到穩(wěn)定狀態(tài)，此時可以結(jié)束當(dāng)前訓(xùn)練，見圖2。

圖2 損失值隨訓(xùn)練次數(shù)的變化趨勢

模型利用利益權(quán)值共享方式減少參數(shù)數(shù)量、提升效率。隨著網(wǎng)絡(luò)進(jìn)一步的加深，網(wǎng)絡(luò)提取到的特征將進(jìn)一步組合及抽象化，卷積網(wǎng)絡(luò)得到的特征也逐步向訓(xùn)練數(shù)據(jù)樣本的特征靠攏。權(quán)值共享和池化操作使卷積提升了網(wǎng)絡(luò)模型模型的訓(xùn)練效率。將得到的特征向量輸入到softmax 分類器中，經(jīng)過分類器的學(xué)習(xí)和訓(xùn)練，以完成最后的人臉識別檢測。

2.3 實驗結(jié)果分析

由于模型和實驗環(huán)境的條件，隨機(jī)選取預(yù)處理后的樣本組合成六個測試集進(jìn)行測試，每個測試集的樣本數(shù)量為300。測試數(shù)據(jù)結(jié)果由真負(fù)類(True Negative，TN)、真正類(True Positive，TP)來表示；識別錯誤的結(jié)果由假正類(False Positive，F(xiàn)P)、假負(fù)類(False Negative，F(xiàn)N)表示。在本文中，TP 表示將人臉正類預(yù)測為正類數(shù)，F(xiàn)N 表示將人臉正類預(yù)測為負(fù)類數(shù)，F(xiàn)P 表示將人臉負(fù)類預(yù)測為正類數(shù)，TN 表示將人臉負(fù)類預(yù)測為負(fù)類數(shù)。實驗結(jié)果將正確率的高低作為主要指標(biāo)，同時F1-Score 數(shù)值越接近于1 則表明分類識別的效果越好。得到綜合評價結(jié)果見表3：

表3 AlexNet 網(wǎng)絡(luò)模型測試結(jié)果

3 結(jié)語

基于AlexNet 卷積神經(jīng)網(wǎng)絡(luò)模型對人臉識別的方法及應(yīng)用展開研究，利用卷積神經(jīng)網(wǎng)絡(luò)具有強大的特征學(xué)習(xí)能力，可以實現(xiàn)對圖像特征深層次的描述的特點。使用公開數(shù)據(jù)集并完成圖像預(yù)處理后，隨后完成模型訓(xùn)練、參數(shù)調(diào)優(yōu)，最后利用訓(xùn)練好的模型完成人臉識別檢測。實驗結(jié)果表明在本實驗的環(huán)境和數(shù)據(jù)集的基礎(chǔ)上AlexNet 卷積神經(jīng)網(wǎng)絡(luò)可以較好得完成人臉識別。后續(xù)將進(jìn)一步進(jìn)行實際生產(chǎn)環(huán)境的人臉識別系統(tǒng)的部署研究與實驗。