基于卷积神经网络的人脸识别算法

摘要：近年来,随着科学技术的不断发展,人脸识别技术日渐成熟,使得人脸识别技术的使用率不断增大。例如:门禁、ATM机、公安系统以及新兴起的人机交互等领域,都应用到了人脸识别系统。在人脸识别研究领域中,深度学习扮演着重要的角色。由于深度学习的人脸识别技术凭借其识别率高、识别快等特点,逐渐成为整个领域的主流技术。在众多深度学习算法中,以卷积神经网络为代表的人脸识别系统得到了广泛应用,主要研究内容如下:首先,通过对经典损失函数进行研究,对比每种损失函数的特点,然后根据A-Softmax函数进行改进,借助Margin的方法来改进函数角度,并在函数中添加归一化操作。

关键词：卷积神经网络；人脸识别

目录

一、项目背景 3

二、基本原理 3

三、系统设计及算法实现 6

四、人脸识别结果 9

（一）模型训练 9

（二）模型评估测试 9

五、心得体会 12

六、参考文献 12

一、项目背景

人工智能的发展极大地方便了人们的生活,现代社会中,刷脸解锁、刷脸支付等通过识别人面部信息确定人的身份的现象已遍布各个领域。人脸识别的应用十分广泛,未来仍有广阔的发展前景。基于卷积神经网络对人脸识别的研究,首先分析了卷积神经网络（CNN）模型能够快速准确进行人面部表情识别的原理,即由于CNN的卷积层和池化层起到了滤波作用,将输入的图片进行特征提取并进行压缩,减轻了CNN运算的负担,提高了运算速度;通过将K近邻法和BP神经网络框架模型与CNN模型作比较,实验证明了CNN模型在进行人面部表情识别过程中的准确度最高、速度最快。因此，CNN模型训练在人面部识别系统中具有较高的应用价值[1]。 

• 基本原理

人脸识别技术采用图像处理技术