基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉基準(zhǔn)點(diǎn)定位研究.pdf

1、人臉識(shí)別在安防、訪問(wèn)控制、人機(jī)交互和數(shù)字娛樂(lè)產(chǎn)業(yè)等領(lǐng)域有廣泛的應(yīng)用前景。目前，無(wú)約束人臉識(shí)別，即識(shí)別存在姿態(tài)、表情、光照和遮擋等變化的人臉圖像，還沒(méi)有完全解決，阻礙了人臉識(shí)別的進(jìn)一步應(yīng)用。無(wú)約束人臉基準(zhǔn)點(diǎn)定位(UFLL)或稱為無(wú)約束人臉對(duì)齊，通過(guò)定位人臉基準(zhǔn)點(diǎn)將人臉圖像變換至一個(gè)標(biāo)準(zhǔn)姿態(tài)，能顯著地降低識(shí)別難度，提高識(shí)別精度，是無(wú)約束人臉識(shí)別的重要處理步驟。無(wú)約束人臉基準(zhǔn)點(diǎn)定位的關(guān)鍵是綜合利用各個(gè)人臉基準(zhǔn)點(diǎn)局部的紋理特征和全局的形狀約束。

2、深度學(xué)習(xí)，特別是深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN），通過(guò)層級(jí)結(jié)構(gòu)能有效地提取數(shù)據(jù)的高層語(yǔ)義特征，已經(jīng)成功應(yīng)用于多個(gè)計(jì)算機(jī)視覺(jué)領(lǐng)域。然而，因?yàn)橛?xùn)練耗時(shí)和有效的訓(xùn)練數(shù)據(jù)缺乏等原因，DCNN目前在人臉基準(zhǔn)點(diǎn)定位領(lǐng)域的應(yīng)用還相對(duì)較少。本文以無(wú)約束人臉識(shí)別為應(yīng)用背景，以非特定人的無(wú)約束人臉基準(zhǔn)點(diǎn)定位為研究對(duì)象，探索如何采用新的DCNN元素和訓(xùn)練方式進(jìn)行人臉基準(zhǔn)點(diǎn)定位，在提高訓(xùn)練速度的同時(shí)不降低性能，主要研究?jī)?nèi)容和創(chuàng)新性成果包括：
　?。?）首次采

3、用修正線性單元(ReLU)、填充卷積層(PCL)和局部響應(yīng)歸一化(LRN)等新的模型結(jié)構(gòu)元素構(gòu)造DCNN應(yīng)用于稀疏人臉基準(zhǔn)點(diǎn)定位問(wèn)題。并提出了基于同一數(shù)據(jù)增強(qiáng)程序的簡(jiǎn)便有效的多模型平均方法。采用直接回歸方式訓(xùn)練各個(gè)DCNN。利用多層級(jí)聯(lián)方式組合多個(gè)DCNN提升定位精度。該方法解決了已有DCNN級(jí)聯(lián)算法訓(xùn)練耗時(shí)的問(wèn)題，在不降低預(yù)測(cè)精度的前提下，相比同等規(guī)模的方法訓(xùn)練速度提升了五倍。并通過(guò)細(xì)致的實(shí)驗(yàn)說(shuō)明了 ReLU響應(yīng)具有分布稀疏和生命周期

4、稀疏的性質(zhì)。
　?。?）提出了遷移DCNN特征的算法框架，將人臉辨識(shí)任務(wù)上訓(xùn)練的DCNN遷移至稠密人臉基準(zhǔn)點(diǎn)定位問(wèn)題，將DCNN作為特征提取器嵌入至局部正則化的級(jí)聯(lián)回歸框架，解決了帶標(biāo)簽的稠密人臉基準(zhǔn)點(diǎn)數(shù)據(jù)較少，無(wú)法直接訓(xùn)練DCNN的問(wèn)題?；谠从蚝湍繕?biāo)域的相似性對(duì)遷移性能有巨大影響的假定，提出了級(jí)聯(lián)遷移的DCNN特征遷移方法以充分利用級(jí)聯(lián)框架的特點(diǎn)，并通過(guò)與直接使用、普通精調(diào)兩種遷移方式對(duì)比，驗(yàn)證了該假定。級(jí)聯(lián)遷移方法在300-

5、W數(shù)據(jù)集上獲得了和當(dāng)時(shí)最好方法相當(dāng)?shù)男阅?。進(jìn)一步，基于參數(shù)化修正線性單元(PReLU)構(gòu)造DCNN應(yīng)用于提出的遷移框架，驗(yàn)證了該框架對(duì)不同模型結(jié)構(gòu)具有適應(yīng)性。
　?。?）為了解決級(jí)聯(lián)DCNN框架結(jié)構(gòu)復(fù)雜和計(jì)算復(fù)雜度高的問(wèn)題，采用批歸一化(BN)構(gòu)造DCNN以抑制訓(xùn)練時(shí)DCNN各層輸入的數(shù)值范圍的變化，從而更快速地訓(xùn)練網(wǎng)絡(luò)；采用多任務(wù)學(xué)習(xí)方式，聯(lián)合優(yōu)化稀疏人臉基準(zhǔn)點(diǎn)定位和頭部姿態(tài)估計(jì)等問(wèn)題，在多任務(wù)監(jiān)督信號(hào)約束下學(xué)習(xí)表達(dá)能力更強(qiáng)的特

6、征。然后將DCNN遷移至稠密人臉基準(zhǔn)點(diǎn)定位問(wèn)題。最終可采用單個(gè)網(wǎng)絡(luò)直接進(jìn)行稀疏或稠密人臉基準(zhǔn)點(diǎn)定位，從而大大簡(jiǎn)化了算法框架，獲得了較快的預(yù)測(cè)速度，并獲得了和級(jí)聯(lián)DCNN方法相似的定位精度。
　　（4）實(shí)現(xiàn)了基于DCNN的人臉檢測(cè)、人臉確認(rèn)和人臉辨識(shí)算法，與本文提出的人臉基準(zhǔn)點(diǎn)定位算法構(gòu)成了完整的人臉識(shí)別系統(tǒng)。通過(guò)該系統(tǒng)在標(biāo)準(zhǔn)數(shù)據(jù)集上驗(yàn)證了本文提出的人臉基準(zhǔn)點(diǎn)定位算法對(duì)人臉識(shí)別的促進(jìn)作用。為后續(xù)繼續(xù)研究基于DCNN的人臉識(shí)別算法提供