1、人臉分析是當前計算機視覺、模式識別和機器學習等領域的熱門研究課題之一，得到了廣泛的關注。人臉分析主要通過人臉圖像來分析出人臉的各類信息，如:人臉身份、人臉表情、人臉年齡、人臉性別等。人臉分析在智能人機交互以及身份認證等領域中具有重要的研究意義和實際應用價值。但是由于人臉圖像中存在著巨大的可變性，人臉分析問題面臨著許多的挑戰(zhàn)。另一方面，深度學習是近年來一個非常熱門的研究課題，其通過大量的數(shù)據，自動地從數(shù)據中提取有效的特征表示，并用于后續(xù)的

2、分類、回歸等任務。這其中深度卷積神經網絡已經在圖像識別、語音識別、自然語言處理等領域展開了深入的研究并取得了良好的性能表現(xiàn)。因此，研究利用深度卷積神經網絡技術進行人臉分析是一項既富有挑戰(zhàn)又具有實際意義的工作。本文的主要工作具體如下:
　　本文首先廣泛調研了現(xiàn)有的深度學習方法及分類，介紹了常見的幾種深度學習模型，并著重介紹了常用的深度卷積神經網絡方法，并綜述了深度學習在人臉相關領域中的應用研究現(xiàn)狀。
　　其次，本文分析了基于深

3、度學習的目標檢測方法，并討論了將深度學習應用于人臉檢測問題中。針對訓練人臉分類器中樣本選擇等問題，本文提出了基于Bootstrap的深度學習人臉檢測方法，在FDDB和AFW人臉檢測評測數(shù)據庫中，分別提高了2％和2.1％的檢測率。
　　緊接著，本文系統(tǒng)地介紹了基于深度學習的人臉識別方法，并分析和比較在人臉特征提取中進行訓練網絡的各種方法的優(yōu)點和缺點。在此基礎上，我們提出了一種基于混合訓練的深度人臉特征提取方法，將訓練基于Triple