王菽裕 吳思 靳瑋琨 關(guān)琛夕 王蒙 畢冰潔

摘?要：人臉識(shí)別在現(xiàn)實(shí)生活中具有廣闊的發(fā)展前景，本文設(shè)計(jì)了一種新的位姿不變的人臉識(shí)別深度神經(jīng)網(wǎng)絡(luò)算法，以極低的錯(cuò)誤率識(shí)別中國(guó)公眾名人。該算法首先是構(gòu)建了一個(gè)新的數(shù)據(jù)集，數(shù)據(jù)集的每一張圖片是帶有標(biāo)簽的面孔。其次是對(duì)構(gòu)建的新數(shù)據(jù)集上的深卷積神經(jīng)網(wǎng)絡(luò)（CNN）VGG-16架構(gòu)進(jìn)行了微調(diào)。文中算法和Fisherface相比，在識(shí)別精度和耗時(shí)上面均表現(xiàn)更好。

關(guān)鍵詞：人臉識(shí)別;深度神經(jīng)網(wǎng)絡(luò);CNN;VGG-16

中圖分類號(hào)：TP391

人臉在我們的社會(huì)交往中扮演著重要的角色，承載著人們的身份信息。人臉識(shí)別系統(tǒng)有著非凡的突破。這種突破在很大程度上可以歸因于基于深度學(xué)習(xí)技術(shù)[1]的成功，這些技術(shù)假設(shè)通過收集大量的訓(xùn)練集，深層網(wǎng)絡(luò)將有足夠的樣本來說明主體之間和主體內(nèi)部的外觀變化。從這些變化中，人工神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)產(chǎn)生辨別特征，放大主體差異，抑制其他混淆的外觀變化。因此，為了訓(xùn)練基于深度學(xué)習(xí)的人臉識(shí)別系統(tǒng)，需要非常大的訓(xùn)練集和數(shù)百萬張帶標(biāo)簽的圖像。然而，大型訓(xùn)練數(shù)據(jù)集并不是公開的，而且很難收集。此外，通過從搜索引擎下載圖像來構(gòu)建大型數(shù)據(jù)集是非常困難的，也是最具經(jīng)濟(jì)挑戰(zhàn)性的。解決缺少大型人臉數(shù)據(jù)集的一個(gè)方法是通過合成包含人臉圖像的新視圖來擴(kuò)充人臉數(shù)據(jù)集。因此，通過引入補(bǔ)充的受試者內(nèi)部外觀變化（如姿態(tài)變化），可以將現(xiàn)有的人臉集擴(kuò)展到其大小的許多倍。

1 相關(guān)知識(shí)

1.1 Dropout（隨機(jī)失活）

Dropout的工作原理是，在訓(xùn)練過程中，從指定的層中刪除一個(gè)神經(jīng)元，或者刪除某些連接。

1.2 Batch normalization（批量歸一化）

Batch normalization方法，允許我們訓(xùn)練歸一化權(quán)值和歸一化層。批處理規(guī)范化可以應(yīng)用于網(wǎng)絡(luò)中的任何層，因此非常有效。

1.3 Data augmentation（數(shù)據(jù)增強(qiáng)）

使用當(dāng)前擁有的數(shù)據(jù)，并對(duì)其進(jìn)行操作，以生成同一圖像的更多版本，從而增加在訓(xùn)練期間看到的數(shù)據(jù)的多樣性。

2 實(shí)驗(yàn)及分析

2.1 實(shí)驗(yàn)過程

文章提出了一種新的半自動(dòng)方法來構(gòu)建非常大的合成圖像訓(xùn)練數(shù)據(jù)集，在最小的人為干預(yù)下，通過在一個(gè)小的數(shù)據(jù)集中合成真實(shí)的人臉圖像。

2.2 實(shí)驗(yàn)分析

建立人臉數(shù)據(jù)集的第一步：獲取公眾人物和名人的初始列表，即在搜索引擎上具有高代表性的人。

第二步：過濾過程的應(yīng)用，通過刪除出現(xiàn)在LFW人臉數(shù)據(jù)集中的任何明星名字，消除與標(biāo)準(zhǔn)LFW基準(zhǔn)的任何重疊，從而使在新的數(shù)據(jù)集上進(jìn)行訓(xùn)練，同時(shí)仍然可以在LFW基準(zhǔn)上進(jìn)行公平的評(píng)估，產(chǎn)生4000個(gè)身份的列表。

第三步：為候選名單中的每個(gè)名人收集一組代表性的圖片。

第四步：對(duì)前一階段采集的所有圖像運(yùn)行Viola-Jones人臉檢測(cè)器，獲取每個(gè)給定圖像中人臉的位置，然后裁剪并重新縮放到一個(gè)標(biāo)準(zhǔn)坐標(biāo)系。為了使人臉對(duì)齊，我們使用了人臉對(duì)齊方法將它們相應(yīng)地旋轉(zhuǎn)到一個(gè)正面位置。

第五步：刪除在兩個(gè)不同網(wǎng)絡(luò)中的位置發(fā)現(xiàn)的相同圖像的重復(fù)圖像。

最后，為了增加數(shù)據(jù)集的大小。我們考慮對(duì)上述方法進(jìn)行擴(kuò)展，來生成正面視圖，從而最小化變異性，以獲得更好的對(duì)齊（測(cè)試階段），而我們做的增加了變異性，更好地捕獲了內(nèi)外觀變化（訓(xùn)練階段）。因此，為了生成每個(gè)人臉圖像的多個(gè)視圖，我們首先應(yīng)用人臉和標(biāo)記檢測(cè)器。根據(jù)這些檢測(cè)到的策略關(guān)鍵點(diǎn)，我們使用3D通用人臉模型上標(biāo)記的人臉關(guān)鍵點(diǎn)2和關(guān)鍵點(diǎn)3之間的對(duì)應(yīng)關(guān)系來估計(jì)給定圖像中人臉的6自由度。同時(shí)，我們還通過采樣不同角度的人臉，得到了新的合適的旋轉(zhuǎn)矩陣R或新的多視圖：

2.3 訓(xùn)練網(wǎng)絡(luò)架構(gòu)

為了進(jìn)行人臉識(shí)別，我們?cè)谘芯恐刑岢隽嘶贗mageNet訓(xùn)練的VGG16，用于圖像分類和人臉識(shí)別。為了提高CNN的表示能力，使用我們的新數(shù)據(jù)集對(duì)這個(gè)預(yù)訓(xùn)練模型進(jìn)行調(diào)優(yōu)是必要的一步。

2.4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中所有圖像的大小都為96963像素。整個(gè)數(shù)據(jù)集分為60%用于訓(xùn)練、20%用于驗(yàn)證和20%用于測(cè)試。

整個(gè)CNN模型在python中使用深度學(xué)習(xí)框架TensorFlow實(shí)現(xiàn)。采用分類前的預(yù)處理和比對(duì)程序，識(shí)別率由90%提高到96%。文中算法和Fisherface相比較，識(shí)別率更好，時(shí)間復(fù)雜度更低。實(shí)驗(yàn)如下表所示。

2.5 實(shí)驗(yàn)總結(jié)

綜上所述，與傳統(tǒng)的OpenCV分類器fisher-face相比，我們的基于深度學(xué)習(xí)的方法在有限的硬件資源上取得了令人滿意的結(jié)果，無論是速度還是準(zhǔn)確率都達(dá)到了最好的性能。我們的算法能夠以96%的準(zhǔn)確率實(shí)時(shí)識(shí)別人臉。

參考文獻(xiàn)：

[1]楊巨成，劉娜，房珊珊，等.基于深度學(xué)習(xí)的人臉識(shí)別方法研究綜述[J].天津科技大學(xué)學(xué)報(bào)，2016（6）.

基金：西藏自然科學(xué)基金（XZ2017ZRG-53（Z））;校內(nèi)重大培育（19MDZ03）;陜西省教育廳專項(xiàng)（19JK0887）;大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練項(xiàng)目（S201910695060）;校內(nèi)教改項(xiàng)目（3110319061）