卷积神经网络（1）

卷积神经网络作为一种置换了传统网络中隐藏层的可自动提取样本特征的技术，具有较高的识别率。本文利用dlib与TensorFlow平台实现了卷积神经网络人脸识别。结果准确率达到了0.984，取的了较为理想的结果。

**

1 引言

**
人脸识别是通过提取人的脸部特征信息进行身份识别的一种技术。目前，卷积神经网络在人脸识别上具有一定的应用成果。该网络通过训练大量的人脸特征图像，学习其中的特征，进而实现对目标人脸的识别。但是像光照、无法扩展到平面以外等问题还是无法很好地解决。

2 卷积神经网络模型

2.1 卷积神经网络框架
如图所示为大体结构：

卷积神经网络是一种前馈神经网络，包括卷积层、池化层、全连接层。基本结构包括特征提取层和特征映射层。卷积层是用核矩阵，依次与图像的每个像素做乘积，得到含有特征的信息矩阵。可以降低参数数量，防止过拟合。池化层则存在于卷积层之间，降低图像的空间尺寸。池化在每一个纵深维度上独自完成，因此图像的纵深保持不变。
卷积与池化的结合结构可以出现多次，模型的不同需求决定了这个组合的次数。也可以使用卷积层+卷积层+池化层的组合，这是没有限制的。最常见的CNN都是若干卷积层+池化层的组合，如上图中的CNN结构。
2.2 人脸识别的流程
2.2.1 人脸图像采集
通过摄像头把人脸有用的局部特征图采集下来，使用dlib识别