基于分布式運(yùn)算的多網(wǎng)格索引人臉識(shí)別方法研究

摘? 要：針對(duì)當(dāng)前人臉識(shí)別技術(shù)在大型人臉圖形數(shù)據(jù)庫(kù)研究應(yīng)用存在的兩大問(wèn)題，一是批量處理人臉圖像數(shù)據(jù)效率低;二是一種算法只對(duì)某一類人臉圖像庫(kù)有較好的處理效果，沒(méi)有一種通用的處理算法，提出了基于分布式運(yùn)算的多網(wǎng)格索引人臉識(shí)別方法，介紹了其模型結(jié)構(gòu)、核心算法以及優(yōu)點(diǎn)特色，對(duì)于人臉識(shí)別方法的研究和應(yīng)用具有一定的借鑒價(jià)值。

關(guān)鍵詞：人臉識(shí)別;分布式;多網(wǎng)格索引;模型;算法

0? ? 引言

隨著網(wǎng)絡(luò)技術(shù)和人工智能技術(shù)的迅速發(fā)展，人臉識(shí)別作為一種身份識(shí)別的重要手段，成為當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn)。人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，用攝像頭采集包含人臉的圖像或視頻流，并通過(guò)相關(guān)的算法自動(dòng)在圖像或視頻流中檢測(cè)人臉，獲取人臉的位置信息，再對(duì)人臉進(jìn)行特征提取、特征比對(duì)、輸出人臉信息等一系列相關(guān)操作[1]。目前，人臉識(shí)別技術(shù)廣泛應(yīng)用于智能門禁、公安刑偵、商業(yè)金融、信息安全等領(lǐng)域，具體包括大規(guī)模人臉檢索，幫助公安尋找罪犯;考勤打卡，門禁進(jìn)出;公共商業(yè)場(chǎng)所的自助服務(wù);手機(jī)支付、身份識(shí)別;信息安全管控等。但是，人臉識(shí)別技術(shù)還并不算成熟，人臉檢測(cè)與識(shí)別的速度和準(zhǔn)確度仍然是研究重點(diǎn)。

1? ? 國(guó)內(nèi)外研究現(xiàn)狀

國(guó)外對(duì)人臉識(shí)別的研究可追溯到20世紀(jì)60年代，牛津大學(xué)、卡內(nèi)基梅隆大學(xué)、麻省理工學(xué)院、斯坦福大學(xué)、美國(guó)陸軍研究實(shí)驗(yàn)室等研究機(jī)構(gòu)提出了很多著名的人臉識(shí)別算法，比如幾何特征算法、特定人臉子空間（FSS）算法、可變形模板法、基于神經(jīng)網(wǎng)絡(luò)的方法、基于深度學(xué)習(xí)的方法等[2]。

國(guó)內(nèi)對(duì)人臉識(shí)別的研究雖然起步較晚，但也取得了不錯(cuò)的成就，已經(jīng)掌握了一定的核心技術(shù)，達(dá)到了國(guó)際先進(jìn)水平。研究機(jī)構(gòu)主要有清華大學(xué)、香港中文大學(xué)、中國(guó)科學(xué)院自動(dòng)化研究所等高校和科研院所，還有百度、騰訊、曠視科技、商湯科技、科大訊飛等企業(yè)。中國(guó)科學(xué)院自動(dòng)化研究所提出了Webface理論，并公布了生成的人臉數(shù)據(jù)庫(kù)——CASIA-Webface數(shù)據(jù)庫(kù)，香港中文大學(xué)湯曉鷗教授研究組提出了著名的Deep ID算法，這些都為人臉識(shí)別技術(shù)研究做出了很大貢獻(xiàn)[2]。

2? ? 人臉識(shí)別技術(shù)存在的問(wèn)題

人臉識(shí)別技術(shù)對(duì)大型人臉圖形數(shù)據(jù)庫(kù)的識(shí)別還存在兩大關(guān)鍵問(wèn)題：一是對(duì)海量人臉圖像數(shù)據(jù)的處理能力。目前，識(shí)別率較高的人臉識(shí)別技術(shù)基本都采用深度學(xué)習(xí)方法來(lái)實(shí)現(xiàn)，雖然深度學(xué)習(xí)能得到較高的人臉識(shí)別準(zhǔn)確率，但是學(xué)習(xí)效率并不高，不能滿足高吞吐率、高容錯(cuò)性和實(shí)時(shí)響應(yīng)的要求，直接運(yùn)用到人工智能領(lǐng)域進(jìn)行實(shí)時(shí)交互依然存在著較大問(wèn)題。二是在不同光照、姿態(tài)和復(fù)雜背景等條件下，人臉識(shí)別算法存在魯棒性問(wèn)題，即某一種算法只對(duì)某一類人臉庫(kù)有較好的處理效果，而沒(méi)有一個(gè)通用的處理算法。

3? ? 基于分布式運(yùn)算的多網(wǎng)格索引人臉識(shí)別方法

為在提高人臉識(shí)別準(zhǔn)確率的同時(shí)達(dá)到較高的批量識(shí)別處理效率，本研究團(tuán)隊(duì)提出了“基于分布式運(yùn)算的多網(wǎng)格索引人臉識(shí)別”方法，并進(jìn)行研究實(shí)驗(yàn)，取得了較好的效果。分布式運(yùn)算是把多種算法集成調(diào)用進(jìn)行計(jì)算。利用網(wǎng)格技術(shù)建立一個(gè)通用的、協(xié)同的、智能的虛擬處理平臺(tái)以充分利用和共享各種資源，提高處理速度和能力，實(shí)現(xiàn)資源共享，包括數(shù)據(jù)資源、計(jì)算資源等，從而有效利用閑置資源。對(duì)于大型人臉庫(kù)的人臉識(shí)別中存在的兩個(gè)關(guān)鍵問(wèn)題，前者可以通過(guò)基于網(wǎng)格的分布式數(shù)據(jù)庫(kù)，把大型人臉圖像庫(kù)劃分為中、小型人臉圖像庫(kù)，并借鑒計(jì)算網(wǎng)格、數(shù)據(jù)網(wǎng)格以及Globus等的實(shí)際應(yīng)用來(lái)解決;后者可以基于應(yīng)用共享的網(wǎng)格來(lái)實(shí)現(xiàn)，最后統(tǒng)一集成到一個(gè)虛擬處理平臺(tái)下[3]。

3.1? ? 方法模型

基于分布式運(yùn)算的多網(wǎng)格索引人臉識(shí)別方法包含了圖片預(yù)處理、人臉多姿態(tài)的分析與識(shí)別、多種算法融合進(jìn)行人臉深度編碼、多網(wǎng)格計(jì)算大規(guī)模人臉數(shù)據(jù)庫(kù)這幾個(gè)方面，其模型如圖1所示。

具體過(guò)程是運(yùn)用多張照片對(duì)人臉進(jìn)行多層次的學(xué)習(xí)和訓(xùn)練，通過(guò)分布式運(yùn)算的多網(wǎng)格索引多類別的數(shù)據(jù)算法進(jìn)行權(quán)值特征提取，利用人臉深度，訓(xùn)練出人臉更高層次的編碼。首先稀疏提取人臉特征點(diǎn)及環(huán)境特征點(diǎn)，對(duì)人像圖片預(yù)處理，根據(jù)圖片的特征進(jìn)行分類，建立索引，增加人臉特征。采用強(qiáng)化學(xué)習(xí)（Deep Q Network）對(duì)多種姿態(tài)人臉進(jìn)行猜想及還原，前期數(shù)據(jù)分類及索引后，經(jīng)線性分析和判斷，人工智能對(duì)數(shù)據(jù)訓(xùn)練和調(diào)優(yōu)，最后通過(guò)多類別的數(shù)據(jù)算法進(jìn)行權(quán)值特征提取，再利用人臉深度，訓(xùn)練出更高層次的編碼，找出最接近正常姿態(tài)的人臉，從而提高在多環(huán)境、多姿態(tài)下的識(shí)別率，減少了人臉識(shí)別受到的尺寸、環(huán)境光線、多姿態(tài)、飾品等不穩(wěn)定因素的影響，提高識(shí)別準(zhǔn)確率的同時(shí)，也提高了大批量處理的識(shí)別速度。

（1）預(yù)處理。照片通過(guò)PC或移動(dòng)應(yīng)用端攝像頭獲取后被送入數(shù)據(jù)處理中心，通常為GPU進(jìn)行圖像分類處理及壓縮，并行大規(guī)模運(yùn)行。稀疏提取人臉特征點(diǎn)及環(huán)境特征點(diǎn)，對(duì)人像圖片進(jìn)行預(yù)處理，通過(guò)特征進(jìn)行分類建立索引，從而增加人臉特征，減少環(huán)境光及不穩(wěn)定因素對(duì)人臉圖片的影響。

（2）人臉多姿態(tài)的分析與識(shí)別。常規(guī)人臉識(shí)別技術(shù)應(yīng)用于多姿態(tài)的人臉識(shí)別存在多種問(wèn)題，容易受尺寸、環(huán)境光、姿態(tài)的影響。為了在不同的姿態(tài)下更精準(zhǔn)地識(shí)別人臉，本方法主要利用強(qiáng)化學(xué)習(xí)（Deep Q Network）來(lái)對(duì)多種姿態(tài)的人臉進(jìn)行猜想和還原，通過(guò)前期數(shù)據(jù)的分類及索引，然后進(jìn)行線性分析和判斷，再通過(guò)人工智能進(jìn)行數(shù)據(jù)訓(xùn)練和調(diào)優(yōu)，找出最接近正常姿態(tài)的人臉，最后進(jìn)行常規(guī)的人臉處理。

（3）多種算法融合，人臉深度編碼。大多傳統(tǒng)的深度學(xué)習(xí)只是在平面上對(duì)人臉進(jìn)行學(xué)習(xí)、訓(xùn)練和編碼。本方法運(yùn)用大量照片對(duì)人臉進(jìn)行多層次的學(xué)習(xí)和訓(xùn)練，通過(guò)多種類別的數(shù)據(jù)算法進(jìn)行權(quán)值特征提取，然后利用人臉深度，訓(xùn)練出人臉更高層次的編碼，從而提高人臉識(shí)別的精度。

（4）多網(wǎng)格計(jì)算大規(guī)模人臉數(shù)據(jù)庫(kù)。利用數(shù)據(jù)網(wǎng)格的分布處理策略，構(gòu)成一個(gè)分層樹形結(jié)構(gòu)的人臉識(shí)別網(wǎng)格。將待識(shí)別的人臉圖像及與其有關(guān)的信息以任務(wù)的形式提交給人臉識(shí)別網(wǎng)格，網(wǎng)格將所提交的任務(wù)逐級(jí)分解到最低層的計(jì)算中心和計(jì)算節(jié)點(diǎn)上，并根據(jù)大規(guī)模人臉數(shù)據(jù)庫(kù)的劃分準(zhǔn)則產(chǎn)生符合條件的中小型人臉數(shù)據(jù)庫(kù)，計(jì)算中心通過(guò)融合各計(jì)算節(jié)點(diǎn)上的多種算法的識(shí)別結(jié)果即可獲得最終的識(shí)別結(jié)果，可以有效地解決大規(guī)模人臉數(shù)據(jù)庫(kù)人臉識(shí)別計(jì)算耗時(shí)的問(wèn)題。

3.2? ? 核心算法

算法是整個(gè)系統(tǒng)的核心，通過(guò)不同算法的結(jié)果，取得相應(yīng)的權(quán)值，最終通過(guò)人工智能學(xué)習(xí)，獲取不同權(quán)值的組合，來(lái)判定其準(zhǔn)確率。

分布式算法集群每種算法對(duì)應(yīng)不同的模型，預(yù)先經(jīng)過(guò)檢索分類，針對(duì)不同的服務(wù)獲取數(shù)據(jù)，將大量需處理數(shù)據(jù)分布到不同算法區(qū)間，每種算法初期的權(quán)值各不相同;同時(shí)對(duì)大批量照片進(jìn)行人臉識(shí)別，根據(jù)獲取人臉的數(shù)據(jù)特點(diǎn)，將照片分類到不同算法的特定模型中，其結(jié)果可快速反饋到前端。通過(guò)大量數(shù)據(jù)的喂養(yǎng)，每種算法的權(quán)值經(jīng)過(guò)不斷的調(diào)整、修訂、反饋、再調(diào)整，逐漸提升識(shí)別準(zhǔn)確率和識(shí)別速度。核心算法如圖2所示。

4? ? 特色和優(yōu)點(diǎn)

（1）升維識(shí)別。本方法運(yùn)用了人臉深度編碼，脫離了傳統(tǒng)的平面的人臉編碼和識(shí)別。結(jié)合強(qiáng)化學(xué)習(xí)（Deep Q Network）來(lái)預(yù)測(cè)及還原多姿態(tài)和多環(huán)境下人臉的正面圖，將二維（2D）推向了更多特征點(diǎn)的三維（3D）人臉，人臉更加立體化，增加了人臉關(guān)鍵點(diǎn)，可以對(duì)小部分或者殘缺的人臉圖片進(jìn)行識(shí)別，更全面地還原人臉。

（2）提高了運(yùn)算速度。分布式運(yùn)算把需要非常巨大的計(jì)算能力才能解決的問(wèn)題分成許多小的部分，然后分配給許多計(jì)算機(jī)進(jìn)行處理，最后把這些計(jì)算結(jié)果綜合起來(lái)，得到最終的結(jié)果。本研究提出的多網(wǎng)格分布式運(yùn)算模式，先對(duì)圖片按特征進(jìn)行預(yù)處理并進(jìn)行索引分類，再經(jīng)過(guò)線性分析和判斷，基于人工智能對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練和調(diào)優(yōu)，最后通過(guò)多類別的數(shù)據(jù)算法進(jìn)行權(quán)值特征提取，再利用人臉深度，訓(xùn)練出更高層次的編碼，送入對(duì)應(yīng)的一種或多種算法同時(shí)進(jìn)行處理，大大提高了運(yùn)算和數(shù)據(jù)前后反饋比對(duì)矯正的速度，實(shí)現(xiàn)了大批量圖片的高速同時(shí)識(shí)別。

（3）通用性強(qiáng)，可應(yīng)用并產(chǎn)生效益的場(chǎng)景較多。此算法程序可直接集成到硬件設(shè)備，或者嵌入到所需系統(tǒng)或App應(yīng)用程序里，供多種場(chǎng)合使用。

[參考文獻(xiàn)]

[1] 胡亞洲，周亞麗，張奇志.基于深度學(xué)習(xí)的人臉識(shí)別算法研究[J].計(jì)算機(jī)應(yīng)用研究，2020，37（5）：1432-1436.

[2] 王震.基于深度學(xué)習(xí)的人臉識(shí)別方法的研究[D].蘭州：蘭州理工大學(xué)，2018.

[3] 張迪.基于網(wǎng)格計(jì)算技術(shù)的人臉識(shí)別研究[D].重慶：重慶大學(xué)，2007.

收稿日期：2020-06-29

作者簡(jiǎn)介：張子容（1984—），女，四川簡(jiǎn)陽(yáng)人，碩士，講師，主要從事機(jī)械電子控制工程、工業(yè)機(jī)器人技術(shù)方向的教學(xué)和研究工作。