基于深度神經(jīng)網(wǎng)絡(luò)的身份識(shí)別研究

馮賀平+楊敬娜+吳梅梅

摘要：人臉識(shí)別是身份檢測的首選模式，因此具有巨大的市場前景。深度神經(jīng)網(wǎng)絡(luò)是人工智能與模式識(shí)別新興研究熱點(diǎn)，利用其視覺特征深度學(xué)習(xí)特點(diǎn)，提出了一種適用于戶外的身份識(shí)別方法，用該方法設(shè)計(jì)了人臉動(dòng)態(tài)識(shí)別系統(tǒng)，該系統(tǒng)可以用在智能小區(qū)和校園等場所，對(duì)小區(qū)、校園實(shí)現(xiàn)的人員實(shí)現(xiàn)有效控制。

關(guān)鍵詞：人臉識(shí)別 ；深度神經(jīng)網(wǎng)絡(luò)；視頻監(jiān)控

中圖分類號(hào)：TP319 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）22-0161-02

1 概述

隨著人的安全意識(shí)的加強(qiáng)，身份識(shí)別越來越重要，人臉是最重要的生物識(shí)別特征，人臉設(shè)別技術(shù)是身份檢測的首推模式。然而在當(dāng)前大數(shù)據(jù)時(shí)代，僅僅靠人工在海量視頻中搜索人臉顯然不行，要靠物聯(lián)網(wǎng)技術(shù)進(jìn)行人臉識(shí)別。目前人臉識(shí)別技術(shù)在較好的采集條件下，具有令人滿意的識(shí)別效果，然在非理想環(huán)境下，人臉識(shí)別率明顯下降。深度學(xué)習(xí)的提出，使得深度神經(jīng)網(wǎng)絡(luò)在語音及圖像識(shí)別等方便取得了極佳的效果。本文提出了一種基于深度神經(jīng)網(wǎng)的能適用于室外開放場合的動(dòng)態(tài)人臉識(shí)別方法，并結(jié)合智能小區(qū)的實(shí)際應(yīng)用，研制出智能小區(qū)給予人臉的身份識(shí)別系統(tǒng)。經(jīng)實(shí)驗(yàn)，該系統(tǒng)運(yùn)行穩(wěn)定，且檢測功能良好，滿足實(shí)際需求。

2 深度信念網(wǎng)

2.1 深度信念網(wǎng)結(jié)構(gòu)

2006年，Hinton提出了深度信念網(wǎng)（deep belief network， DBN）。它是由多層神經(jīng)元構(gòu)成，分為用于接收輸入的顯性神經(jīng)元即輸入層和多個(gè)用于提取特征的隱形神經(jīng)元即隱層以及輸出層，結(jié)構(gòu)如圖1所示。

2.2 深度信念網(wǎng)學(xué)習(xí)算法

具有多個(gè)隱層的深度信念網(wǎng)進(jìn)行全局優(yōu)化非常困難，逐層訓(xùn)練即貪婪算法用于此，取得了較好的優(yōu)化性能。這種方法在訓(xùn)練時(shí)，每次只學(xué)習(xí)相鄰受限波爾茲曼機(jī)模型參數(shù)，最終獲得全局的DBN，因此，深度信念網(wǎng)的訓(xùn)練過程分為兩部分，即受限波爾茲曼機(jī)的預(yù)訓(xùn)練和反向傳播（BP）算法的微調(diào)。

1）限制波爾茲曼機(jī)訓(xùn)練

限制波爾茲曼機(jī)（RBM）是一個(gè)兩層神經(jīng)網(wǎng)絡(luò)，由可視層和隱含層單元彼此互連構(gòu)成。把多個(gè)限制波爾茲曼機(jī)疊加，前一個(gè)限制波爾茲曼機(jī)的輸出作為后一個(gè)限制波爾茲曼機(jī)的輸入，構(gòu)成深度信念網(wǎng)絡(luò)。

3 動(dòng)態(tài)人臉識(shí)別系統(tǒng)

住宅小區(qū)或校園動(dòng)態(tài)人臉識(shí)別系統(tǒng)是通過架設(shè)在小區(qū)或校園門口的高清攝像頭，對(duì)出入小區(qū)的人員進(jìn)行人臉設(shè)別，并利用各部門提供的犯罪嫌疑人的人臉數(shù)據(jù)對(duì)出入小區(qū)或校園的違法犯罪人員進(jìn)行提前鎖定以及及時(shí)預(yù)警。

本文描述的動(dòng)態(tài)人臉識(shí)別系統(tǒng)由視頻預(yù)處理模塊、人臉動(dòng)態(tài)識(shí)別模塊及人臉信息管理模塊，如圖2所示：

4 總結(jié)

本文提出的基于深度神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)人臉識(shí)別系統(tǒng)，適用于任何室外開放場所，并基于此方法研制出智能小區(qū)和智能校園人臉動(dòng)態(tài)識(shí)別系統(tǒng)，該系統(tǒng)能夠?qū)崿F(xiàn)小區(qū)和校園內(nèi)人臉識(shí)別功能，對(duì)小區(qū)和校園的有效管理啟動(dòng)了保證作用，滿足了實(shí)際的需求。

參考文獻(xiàn)：

[1] 陳國平，杜姍姍.基于深度神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)人臉識(shí)別方法及應(yīng)[J].微型電腦應(yīng)用，2015，31（9）：39-41.

[2] 邢建飛，羅志增，席旭剛.基于深度神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)人臉識(shí)別[J].杭州電子科技大學(xué)學(xué)報(bào)，2013，33（6）：107-110.

[3] 閆新寶.深度學(xué)習(xí)及其在人臉識(shí)別中的應(yīng)用進(jìn)展[J].無線互聯(lián)科技，2016，4（8）：132-137.

[4] 王飛，李強(qiáng).基于改進(jìn)的深度信念網(wǎng)絡(luò)的人臉識(shí)別算法研究[J].蘭州大學(xué)學(xué)報(bào)，2016，35（1）：42-47.

[5] 夏振杰.基于人臉識(shí)別技術(shù)的身份認(rèn)證系統(tǒng)實(shí)現(xiàn)簡介[J].科技前沿，2010（5）：44-46.

[6] 喬俊飛，潘廣源，韓紅桂.一種連續(xù)型深度信念網(wǎng)的設(shè)計(jì)與應(yīng)用[J].自動(dòng)化學(xué)報(bào)，21015，12（41）：2139-2146.