深度学习在解决光线影响人脸识别活体检测算法中的应用

文/王同磊

1 深度学习介绍

在人工神经网络这一领域的研究过程中，衍生出了深度学习这一概念。例如，多层感知器，也就是含多隐层的感知器，这一类就属于深度的学习结构。深度学习是如何表示的呢？通常而言，是通过各种组合，将低层特征形成某种抽象特征，或者是属性类别等，通过这些过程，将发现的数据以分布式特征进行表示。

2006年，Hinton等人首次将深度学习这一概念提出。他们基于（DBN），也就是深信度网这一概念，提出了一种训练算法，称为非监督贪心算法。这一算法为解决与深层结构等内容有关的优化类难题带来可能性。并且据此又提出了自动编码器这种深层结构。另外，由其他研究学者提出了例证，卷积神经这种网络就是例证，它是首个真正意义上的正多层类型的学习算法。具体内容是依据空间的这种相对关系，从而减少参数，用以提高神经的训练性能。

2 人脸识别活体检测算法综述

人脸识别这一技术，主流观点认为，分两部分：一为前端人脸活检。这一技术支持iOS和安卓等程序平台。具体过程是：用户通过点头或摇头，以及眨眼等各种动作进行智能检测，目的是确定机器设备前是真人人脸。二为基于后台功能的人脸识别。这种技术以第一部分为基础，在其基础之上，获取到全脸图像之后，经过扫描，识别用户的身份证，身份证头像与前端活检人像对比而后做出判断，得出是否是同一人的结论。

图1

2.1 什么是活体检测？

活体检测，通俗意义上理解，就是判断人脸活检这一过程中是真人脸还是静态假脸，比如照片打印的人脸，电脑中的人脸，甚至说是面具等；人脸活检这项技术目前我们可以看到，经常应用在iOS、安卓等系统的移动平台中，比如APP等。同时，由于这项对比技术运算量超级大，所以必须使用大量服务器支持，常见的是win平台，国外也会使用Linux等平台。

2.2 为什么需要活体检测？

活检的应用领域非常广泛，我们熟知的应用场景有：银行金融、各种支付以及安保门禁等。活体检测通常是嵌套程序模块使用。将人脸识别与活检二者结合使用，成功的案例很多，比如实名认证等领域，避免了各种漏洞与攻击。

2.3 活体检测对应的计算机视觉问题

实际上就是分类，用计算机语言说是1和0，也就是真和假，还有一种是多分类。前面提到的照片攻击、面具攻击，还有真人等。

3 深度学习如何在人脸识别活体检测算法中应用

首先我们从基础开始说起，首先定义一个神经网络。

在图1中需要我们最先了解的是ωljk。k,位于右下角，它代表第k个神经元位于L-L层；L, 位于右上角，代表层数，即“输入”与权重w这一项结合；j，位于右下角的，代表第j个神经元位于L层。

这么写看起来好像比较奇怪，因为直觉上说，k在L之前，才是更符合我们认知的理解方式。但是后面我们可以看到，在这种处理方法之后，我们可以得到一种更简洁的处理式子。比较而言，这种前后稍微颠倒下，也无所谓了，适应下就好了。

如图2所示，除了权重w之外，我们还有 b和 a。

b是我们的偏差，a是我们的输入向量经过激活函数之后的结果，也就是α=δ(z)。

在表现形式上，b跟a有这类似的特点：右上角的值是所在的层数；右下角数值，代表所在的神经元位置。据此，结合之前的公式，我们可以得出以下算式结论：

这个式子看起来好像复杂，但实际上很简单，而且完全描述了我们刚才说的神经网络的问题，当然，这里的αlj是其中的一个神经元，它位于第L层的第j个。

这个神经元的得来，就是从前一层L层的所有神经元，与与之对应的权重结合之后，所有的相加，经过激活函数得来的。

在矩阵中，我们要求的某个值，就是行与列对应位置的值相乘之后相加得到的。可以看出，k即对应的位置。例如，我们有公式

图2

这个公式就是典型的矩阵相乘求值的公示，那么我们转成矩阵相乘：

li=minj

可以把αlj理解成第l行第j列的值，那么我们采用矩阵相乘的方法来计算，就得到了：

αl=δ(ωlαl-1+bl)

下面，我们来总结一下，可以看到简化的算式。并且很显然，还能得出l与k颠倒的优点。为了更方便，我们设定：

于是，我们很轻松的得出αl=σ(zl)接下来，该backpropagation了，为了计算这一项，我们可以进行两个假设。第一，代价方程写为：

这里面，x代表输入样本点，n代表样本数，y(x)代表输出值，而αL(x)代表的输出值是神经网络。其中L代表的就是层数，神经网络的，很明显也是最后一层。

第一个将 remote pluse 应用到活体检测中，多帧输入

（交代下背景：在CVPR2014，Xiaobai Li已经提出了从人脸视频里测量心率的方法）算法流程：

（1）通过 pluse 在频域上分布不同先区分 活体 or 照片攻击 （因为照片中的人脸提取的心率分布不同）

（2）若判别1结果是活体，再 cascade一个 纹理LBP 分类器，来区分 活体 or 屏幕攻击（因为屏幕视频中人脸心率分布与活体相近），如图3所示。

Pros: 通常意义上，按照学术界的观点，引入了新模态——心理信号，这是很大意义上的进步；从另一个角度而言，也就是工业发展的领域，加入做不到一步到位，还可以通过Cascade这一方式进行部署，这也是进步的。

Cons: 因为remote heart rate这一算法有它的局限性，所以结果来看，pulse-feature存在判别能力不足的弱点，加上显示器里video的视频中，人脸的pulse-feature方面是不是还存在比较细微的差别，这一方面还不确定，需要更进一步的验证。

正面人脸图像检测方法

图4

矩阵 Yi∈R64×64为第 i个个体的人脸图像矩阵，Di 为第i个个体所有人脸图像集合，Yi∈Di。正面人脸检测公式为：

我们通过训练深度神经网络来进行人脸重建。loss函数为：

I代表第i个，k代表i中第k张。X^{0}代表的是训练图像，Y代表的是目标图像。

深度的神经网络，它包含三层。max pooling是与前两层相接；全连接层是与第三层相接。与传统统卷积神经网络不同，我们的fi lters不共享权重（我们认为人脸的不同区域存在不同类型的特征）。以下是第l层的卷积层算式：经过这些计算，我们终于可以得出人像图了。下面就是经过训练之后，生成的canonical view：如图4所示。

4 总结

目前的研究水平，要想达到人脸识别和深度学习的全部结合，可以说路漫漫其修远兮，还有很多探索空间。比如说双胞胎识别，比如说妆前和妆后的识别，要达到一定的准确度，还存在一定难度。相信不久的将来人脸识别系统将在速度、可靠性、稳定性，成本取得更好的。从而能够为人类的进步贡献力量。