基于深度学习的人脸识别方法的探究

王 臣

（辽宁省科学技术馆，沈阳 110167）

随着互联网信息的不断发展，现如今在互联网当中存在着大量的数据，面对繁多的网络数据，使得我国的信息安全管理显得异常的重要，所以有关部门也加强了对于信息安全的重视程度，在当前情况下，最重要的个人信息就是对于一个人的身份识别，尤其是在现阶段的社会当中，目前的信息安全与传统意义上的信息技术识别更加重要，因为现阶段的生物技术持久性较高，普遍性比较广，所以长期以来受到了各个人士的重视，再加上最近几年电脑视觉和人工智能的不断普及，虽然在一定程度上方便了人们的日常生活，具有生物特点的人脸识别方法已完全融入人们的日常生活，并迅速改变了人们的生活方式。虽然人脸识别系统在现阶段有了十分广泛的应用，但是由于人的面部信息会受到环境因素的影响，使得同一人的面部信息在不同的环境下会有一定的差距，给人脸识别技术的进一步的发展带来了巨大的挑战。

1 研究现状

1.1 几何结构

几何特征，指的就是每个人脸信息的识别具有几何的相关特性，在进行人脸识别的过程当中，通过使用某些技术将人的面部信息向几何画图像转化，然后再使用西方某些发达国家的距离测量方法，对每一个人的相似程度进行科学合理的计算，这种方法就属于几何结构方法的范畴。比如说该种方法可以对人的面部拓补结构进行有效的测量，根据每一个人的五官大小，角度以及位置展开。

1.2 子空间

子空间就是指用三维的技术，利用空间压缩的方法，把每一个人不同的面部的信息压缩成一个一个的二维的平面图，在二维的空间当中每一个人最为典型的特征都可以加以区分，目前应用较为广泛的子空间方法，有线性判别法和主成分辨析法等。

1.3 局部的特征

通常，当人们的年龄或表情发生变化时，人们的面部信息会产生一些变化，但人们的主要局部特征不会因为这些微妙的变化而改变。局部特征，主要是指将人脸模式划分为多个特征，并将这些特征离散化，以最大限度地减小干扰因素对人脸的影响，这是局部特征发展的核心。同时，该方法主要采用由区域特征组成的拓扑关系的形式来导出人的完整特征，并计算所有区域特征的相似度以完成面部信息的构造。在人脸识别的过程当中，采用局部特征的识别方法，不仅可以借鉴自然识别人脸的过程，而且对人的脸部整体情况进行识别之后，再对人们的面部重要数据和信息进行有效的分析，更可以提高人脸信息识别的效率。

1.4 深度的学习

由于每个人的面部特征都会随着内部环境和外部特征的变化而不断变化，所以说每一个人脸识别的研究过程都相对复杂，但是人类仍然可以利用大脑超强的学习能力和大脑的超强记忆来清晰的辨别，在不同环境和不同条件下每个人的特征。但机器没有这样的能力，所以我们需要根据人脑的结构和功能，建立一个具有人工神经的人脸识别系统。据调查显示，中国第一个人脸识别是单层自适应人工神经网络，过该系统存在的，最主要的缺陷就是对系统的背景以及人脸部的姿态有着较高的要求，抗干扰的能力也不足，实际应用的效果不如人意。因此，深度学习的方法在现阶段已经到了发展的瓶颈。

以上所阐述的几种方法，最简单的一种面部识别方法就是几何结构方法，但是该种方法对于人们的面部结构特点要求相对较高，在具体的使用过程当中受到了限制，而子空间人脸识别方法的提取特点能够较详细地显示人脸信息之间的拓扑关系。它是目前比较流行的人脸识别方法。

2 在深度学习基础上的人脸识别方法

当前，人脸的面部信息识别的发展非常广泛，许多人已经认识到这一特征，逐渐展开有关研究，本篇文章主要是从神经网络这个系统进行了有关容的研究。

2.1 人脸识别过程

在面部识别技术中应用深层网络技术可让您在系统中构建相对完整的面部学习识别系统，该种系统可以深度的学习，多种多样的面部结构，再通过一定的训练和测试，建立起有效的训练模型，将训练当中得出的各种数据，在样本当中进行测试。

2.2 设计实验以及结果分析

首先在实验的设计过程当中，应该从实验对象当中抽取40个样本，将样本随机分为两部分，然后从每种类型的面部图像中选择5张图像作为训练样本，其余样本均为测试样本。

在图像的预处理阶段，选择了各种图像，因此有必要将不同大小的图像更改为统一大小，以构建不同的网络结构。要使用不同的层叠模块，构建出一个深度的神经网络，对于具有不同深度的神经网络，可以使用不同的方法来加速训练，批处理和不断更新数据参数。最后，将预先训练好的数据作为数据分析的基础数据，得到相应的识别码。

3 结束语

综上所述，本文主要讨论了目前广泛使用的基于深度学习的人脸识别方法，人脸识别方法虽然具有很多的优点，在目前应用也较为广泛，但是在具体的使用过程当中也会受到外界因素和内部因素的影响，导致识别错误，因此，本文提出了针对该问题的深度学习方法，有效解决了各种因素引起的识别错误现象，同时提出了神经网络系统在网络建设后自愿发展的思想。最大化时间提取人员信息并获取功能，同时深度神经网络的学习方式也较为特殊，避免了选择的局部性，因此，通过在人脸识别方法当中应用深度神经网络，可以最大程度上提高识别的效率。