论文部分内容阅读
人脸识别技术是一种依靠人的脸部特征信息来进行身份识别的生物识别技术,由于其直观、可靠和稳定等优点,在身份认证场景、证件验证场景和人脸检索场景等多个场景下都有广泛的应用。国内外学者提出了许多的人脸识别算法,但当前的人脸识别算法依旧存在两个方面的问题:一方面人脸识别算法在部分公开数据集上的识别率仍然较低;另一方面当下主流的人脸识别算法大多使用卷积神经网路作为特征提取模块,卷积神经网络的使用会造成了人脸识别算法的训练时间过长。本文充分调研了大量关于卷积神经网络和人脸识别领域的论文和报告,做了如下工作:(1)通过对人脸识别网络Sphereface20中特征提取、激活函数和损失函数等方面的分析,本文运用SE-Res Net模块、Swish激活函数对原网络进行了优化,得到了人脸识别网络SERes Net-20。SE-Res Net-20网络中SE-Res Net模块的使用提升了人脸图像特征提取的效果,Swish激活函数的使用提高了网络的非线性拟合能力。最终使用CASIA-Webface数据集进行训练后,SE-Res Net-20网络在LFW数据集和Mega Face数据集上的识别率分别为99.37%和68.92%,相较于原先Sphereface20网络的识别率分别提升了0.15%和5.49%。(2)针对于卷积神经网络训练时间长的问题,本文运用了Caffe On Spark集群方法对SERes Net-20网络的训练进行了优化,并在此基础上结合异步训练和动量权重更新的方法,得到了异步动量梯度下降的Caffe On Spark训练方法,进一步优化了SE-Res Net-20网络的训练。通过实验对比,异步动量梯度下降的Caffe On Spark训练方法可以使SE-Res Net-20网络的训练时间减少近35%。(3)通过对人脸识别算法流程的分析,本文设计并实现了一套人脸识别系统。文中的人脸识别系统按照实际的功能需求,包含了图像采集模块、人脸检测模块、预处理模块、人脸识别模块、系统管理模块五个模块。在模块的协同工作下,人脸识别系统可完成人脸图像采集、人脸图像比对、人脸图像识别和人脸数据存储等功能。通过各方面的测试,整体系统能够稳定工作,完成预定的功能需求。