異質(zhì)人臉識別理論與方法研究.pdf

1、人臉識別作為生物特征識別的一種，因其非接觸和非強制的特點，在支付、安防、門禁等各種身份認(rèn)證系統(tǒng)中具有重要應(yīng)用。人臉識別不需要識別對象的主動配合，因此應(yīng)用十分方便，且準(zhǔn)確性較高，發(fā)展和應(yīng)用前景廣闊。隨著特定應(yīng)用場景的逐漸顯現(xiàn)，待匹配的人臉圖像將來源于普通照相機以外的其他模態(tài)，如素描圖、近紅外圖像、三維人臉數(shù)據(jù)、熱紅外圖像、低分辨率圖像等，而注冊庫中的人臉圖像常常是在可見光模態(tài)下獲取的。非可見光模態(tài)的人臉圖像與可見光模態(tài)人臉圖像的匹配過程，

2、稱為異質(zhì)人臉識別，成為本文的主要研究任務(wù)。
　　異質(zhì)人臉識別算法有兩大瓶頸，其一是模態(tài)間不同的數(shù)據(jù)分布使得它們的特征空間存在較大的鴻溝，從而使傳統(tǒng)的識別算法失效;其二是現(xiàn)存的異質(zhì)人臉圖像數(shù)據(jù)庫數(shù)據(jù)量非常有限，易使機器學(xué)習(xí)算法，尤其是當(dāng)前性能較好的深度學(xué)習(xí)算法產(chǎn)生很大程度的過擬合問題。針對這兩個難題，本文提出了以下方法:本文提出了一種深度遷移學(xué)習(xí)方法來解決異質(zhì)人臉識別中的模態(tài)差異及過擬合問題。首先，本文使用了一種基于序級測量方法的深

3、度遷移卷積神經(jīng)網(wǎng)絡(luò)(CNN)，序級激活函數(shù)MFM(Max-Feature-Map)潛在地增強了CNN對異質(zhì)變化的魯棒性;其次，利用大規(guī)模的可見光人臉數(shù)據(jù)庫對神經(jīng)網(wǎng)絡(luò)進行預(yù)訓(xùn)練，使得神經(jīng)網(wǎng)絡(luò)能夠提取一般的人臉特征，為異質(zhì)數(shù)據(jù)的訓(xùn)練提供先驗;最后，用可見光和近紅外域的照片來精調(diào)預(yù)訓(xùn)練好的深度模型:為了增大訓(xùn)練數(shù)據(jù)，采取了一種三元組的策略將來自可見光域和非可見光域的人臉數(shù)據(jù)進行配組，并提出了兩種跨域的三元組損失，來約束類內(nèi)和類間距離，使得小樣