基于深度学习的年龄不变人脸识别技术研究与实现

摘要

人脸识别是计算机视觉中应用最广泛也是最重要的领域之一，在安防监控，员工考勤，远程用户身份验证，金融支付甚至娱乐社交等领域都已经催生了相关应用。人脸识别的研究已经持续了数十年，从最早的特征脸算法到如今的卷积神经网络算法，得益于硬件计算能力的提高，大数据的支持以及深度学习算法，以人脸识别为代表的计算机视觉技术再次走进了人们的视野。尽管人脸识别的相关领域，比如不同表情和姿态下的人脸识别已经取得了相当不错的进展，年龄不变人脸识别领域，或者说跨年龄人脸识别领域，仍然是一个挑战。如今跨年龄识别领域已经变得越来越重要，并且有广泛的应用，比如寻找失踪儿童，识别罪犯以及护照身份验证等。在这篇论文中，基于深度学习的相关理论与方法，提出一种新颖的神经网络模型，耦合自编码器神经网络，来处理年龄不变人脸识别问题。
　　本文主要的工作及创新点如下：
　　1、采用深度学习中的自编码器进行建模。自编码器是深度学习中无监督学习最具代表性的模型之一，可以从输入（比如图像）中学习隐含表达。
　　2、观察到年龄变化是一个非线性的，但是平滑的变换。同时，因为单隐层神经网络具有拟合任意复杂平滑函数的能力，因此本文采用两个浅层神经网络来拟合这样的复杂的非线性变换，一个拟合老化（aging）过程，一个拟合去老化（de-aging）过程。
　　3、结合以上两点，提出了耦合自编码器神经网络（CAN），该网络由两个自编码器被两个单层神经网络相连而成。
　　4、基于CAN，一种非线性的隐因子分析算法被提出，可以将人脸表达分解为三个成分：身份特征，年龄特征和噪声，其中身份特征是独立于年龄变化的，因此可以用来做年龄不变人脸识别。
　　5、针对提出的 CAN模型，提出一种两步学习算法来训练该模型，进而提取身份特征。
　　6、在三个公开的跨年龄人脸数据集上进行了识别和检索等实验，分别是FGNET，CACD和CACD-VS，实验结果显示了提出的方法的有效性。

目录

声明

第一章 绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.3 本文的主要工作内容

1.4 本论文的结构安排

第二章 深度学习与人脸识别常用方法

2.1 深度学习简介

2.2 人脸识别简介

2.3 年龄不变识别常用方法

2.4 本章小结

第三章 耦合自编码器神经网络

3.1 模型概览

3.2 核心思想

3.3 基本重构

3.4 迁移

3.5 训练

3.6 降维

3.7 匹配方法

3.8 本章小结

第四章 年龄不变人脸识别系统实现

4.1 环境配置

4.2 系统实现

4.3 本章小结

第五章 实验与结果分析

5.1 数据集

5.2 参数设置

5.3 在FGNET上的实验

5.4 在CACD上的实验

5.5 在CACD-VS上的实验

5.5 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果