人臉識(shí)別算法發(fā)展概述*

任興珅

北方民族大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 寧夏 銀川 750021

1 人臉識(shí)別概述

人臉識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域重要的研究方向，隨著現(xiàn)階段人臉識(shí)別應(yīng)用的普及，人臉識(shí)別算法被應(yīng)用到各個(gè)領(lǐng)域。人臉識(shí)別是將當(dāng)前人臉圖像進(jìn)行特征提取，然后與人臉庫(kù)中的人臉信息對(duì)比，匹配個(gè)人信息，并給予反饋。因此，為避免人臉識(shí)別錯(cuò)誤率帶來(lái)的不穩(wěn)定性，人們對(duì)人臉識(shí)別算法的準(zhǔn)確率以及速度要求在逐漸提高。

2 傳統(tǒng)人臉識(shí)別算法

人臉識(shí)別技術(shù)最早在1965年被提出，早期的人臉識(shí)別研究主要基于人臉幾何特征的方法和基于模版匹配的方法。基于人臉幾何特征的方法是通過(guò)提取人臉器官，如眼睛、鼻子、嘴巴等重要特征點(diǎn)的位置以及人臉器官的幾何形狀作為分類特征。基于幾何特征的方法通過(guò)設(shè)定好的算法提取人臉特征，計(jì)算量小，但容易受光照、角度、表情等多種因素影響，效果極其不穩(wěn)定?；谀０嫫ヅ涞姆椒ㄊ菍⒁R(shí)別人臉與已經(jīng)建立好的人臉圖像庫(kù)以一定的方式進(jìn)行模板匹配，當(dāng)匹配效果較好時(shí)理論上滿足人臉識(shí)別需求。但由于場(chǎng)景的多樣性，模板匹配的成功率存在偶然性，很難用于實(shí)際應(yīng)用[1]。

20世紀(jì)90年代，研究人員使用機(jī)器學(xué)習(xí)方法將人臉特征向量化，得到高維人臉特征向量，然后映射到低維空間進(jìn)行判定。如Turk等人提出特征臉Eigenface；Peter等人利用主成分分析方法PCA對(duì)人臉進(jìn)行降維，然后采用線性判定分析期望獲得類間距離較大，類內(nèi)距離較小的子空間實(shí)現(xiàn)人臉識(shí)別[2]。

3 基于深度神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法

2006年，深度學(xué)習(xí)的概念被提出，第一次指出具有大量隱含層，通過(guò)反向傳播從大量數(shù)據(jù)集中學(xué)習(xí)特征的方法。經(jīng)過(guò)眾多研究者的努力，深度學(xué)習(xí)技術(shù)逐漸在計(jì)算機(jī)視覺(jué)領(lǐng)域取得突破進(jìn)展。2014年，臉譜團(tuán)隊(duì)開發(fā)的人臉識(shí)別算法在LFW數(shù)據(jù)集取得了97.35%的平均準(zhǔn)確率。自此，人臉識(shí)別算法有人工設(shè)計(jì)特征分類識(shí)別轉(zhuǎn)向基于CNN的端到端自主學(xué)習(xí)。2015年，Google的開發(fā)了FaceNet[3]人臉識(shí)別系統(tǒng)，該系統(tǒng)在一定程度上解決了大規(guī)模高效人臉識(shí)別、人臉驗(yàn)證問(wèn)題。FaceNet利用ResNet模型對(duì)圖像進(jìn)行特征提取，將人臉特征映射到歐幾里得空間，通過(guò)計(jì)算圖像的空間距離來(lái)確定圖像的相似度。同時(shí)提出了Triplet loss損失函數(shù)，公式：

隨著輕量級(jí)神經(jīng)網(wǎng)絡(luò)的發(fā)展，Sheng Chen[4]等人在2018年提出了MobileFaceNet，該算法借鑒了FaceNet的思想，網(wǎng)絡(luò)模型結(jié)構(gòu)與MobileNetV2網(wǎng)絡(luò)結(jié)構(gòu)相似，在移動(dòng)設(shè)備推理速度僅43ms，解決了在移動(dòng)設(shè)備部署人臉識(shí)別算法的問(wèn)題。

4 總結(jié)與展望

人臉識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門領(lǐng)域，其應(yīng)用也非常廣泛，尤其在智慧安防、移動(dòng)支付等領(lǐng)域。伴隨著人臉識(shí)別技術(shù)的廣泛應(yīng)用，對(duì)人臉識(shí)別算法準(zhǔn)確率的要求也在不斷增加，隨著深度學(xué)習(xí)的發(fā)展，基于深度學(xué)習(xí)的人臉識(shí)別算法由于其高準(zhǔn)確率，逐漸取代傳統(tǒng)人臉識(shí)別算法。但深度神經(jīng)網(wǎng)絡(luò)計(jì)算量較大，在特定場(chǎng)景使用時(shí)存在不便捷性，因此，輕量化人臉識(shí)別算法是一個(gè)必然趨勢(shì)?，F(xiàn)階段，輕量化人臉識(shí)別領(lǐng)域還存在很多問(wèn)題：①模型推理速度依舊達(dá)不到實(shí)時(shí)識(shí)別的速度；②輕量級(jí)人臉識(shí)別網(wǎng)絡(luò)精度上與大型神經(jīng)網(wǎng)絡(luò)存在些許差距，不適用于大規(guī)模人臉數(shù)據(jù)識(shí)別。以上時(shí)目前人臉識(shí)別領(lǐng)域的研究熱點(diǎn)，未來(lái)人臉識(shí)別領(lǐng)域，會(huì)實(shí)現(xiàn)更高的準(zhǔn)確率與更快的推理速度。