“互联网+”时代的生物识别技术及应用趋势

摘要

“互联网+”时代的生物识别技术变革人脸识别技术传统的人脸识别算法通常采用浅层机器学习模型,它需要根据各类任务来设计不同的系统,并采用人工来设计特征,如人脸识别采用LBP特征、人脸检测采用Haar-like特征、行人检测采用HOG特征。传统方法在非约束环境的效果较差,主要的原因是非约束环境下人们姿势呈现多样化,且光照条件千差万别,难以利用LBP特征、Haar特征获取人脸显著信息,这进一步表明人工设计特征往往难以满足现实中的复杂任务需求。新一代的人脸识别算法主要基于深度学习CNN(卷积神经网络),它通过构建具有多个隐层的神经网络模型,利用海量数据来学习更有用的特征。相对于传统特征工程,新算法能够自动学习特征,降低了人工选择特征对预测效果的影响。相对于浅层模型,深度模型能够重复利用中间层的计算单元,进而减少网络中的自由参数。