1、人臉識別是根據(jù)人的臉部特征信息進行身份確認的過程。伴隨著人工智能技術(shù)的發(fā)展，人臉識別技術(shù)越來越受到學術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。人臉識別的關(guān)鍵就在于怎樣學習區(qū)分性和魯棒性的人臉特征表達。目前，基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)的人臉表達學習是人臉識別領(lǐng)域的主流方法，該方法利用CNN的深度結(jié)構(gòu)通過逐層非線性映射的方式學習有效的人臉表達，在條件受控的人臉識別任務(wù)(LFW)中已經(jīng)達到甚至超過了人

2、工識別的結(jié)果，然而在復雜環(huán)境下的人臉識別任務(wù)(IJB-A)中仍然面臨著嚴峻的挑戰(zhàn)，仍需進一步研究新的技術(shù)和方法來學習區(qū)分性和魯棒性更強的人臉特征表達，以提升復雜環(huán)境下的人臉識別性能。
　　本文針對復雜環(huán)境下的人臉識別問題，借助于CNN卷積層輸出高效地提取人臉局部深度特征(Local Deep Features，LDF)集合，在此基礎(chǔ)上從統(tǒng)計建模的角度出發(fā)有效聚合人臉LDF，從而得到有效的人臉表達并應(yīng)用于人臉識別系統(tǒng)中。主要研究內(nèi)容

3、包含如下:
　　首先，本文有效利用CNN網(wǎng)絡(luò)的局部感知特性，卷積層輸出特征映射圖的每個空間單元都對應(yīng)人臉圖像中特定的局部感受域，每個空間單元上提取的特征向量可以表征原始圖像中某個局部區(qū)域的特性。借助于CNN的卷積層激活輸出能夠高效地提取人臉LDF集合，不僅有效地克服人臉全局深度特征缺乏幾何不變性的問題，并且緩解了局部特征學習過程中對臉部特征點精確定位算法的依賴。
　　其次，本文提出了結(jié)合CNN不同卷積層信息的概率視覺碼本建模

4、的FisherVector(FV)編碼方法實現(xiàn)對LDF的有效聚合，其中一個卷積層用作人臉LDF提取，緊接著一個卷積層用作LDF的指示變量，指導LDF按照不同的視覺單元進行聚類，每個聚類中的特征分布采用單高斯建模，得到基于CNN的混合高斯模型(Gaussain Mixture Model，GMM)視覺碼本(CNN-GMM)，有效改善了傳統(tǒng)GMM模型對高維LDF分布的建模能力，顯著提升人臉識別系統(tǒng)的性能。鑒于CNN-GMM模型沒有對人臉LD

5、F的維間相關(guān)性信息進行有效建模，本文還提出了基于混合因子分析(Mixtures Factor Analyzers，MFA)模型的FV編碼方法，利用具有全協(xié)方差矩陣的GMM模型對人臉LDF分布進行建模，并推導得到MFA模型，將其作為概率視覺碼本提取人臉FV表達，進一步提升識別系統(tǒng)的性能。
　　再者，為了有效聚合人臉LDF的同時降低人臉表達的維度，本文提出了基于全變量建模(Total Variability Modelling，TVM

6、)的人臉低維子空間特征表達學習方法。采用不同的通用背景模型分別構(gòu)建TVM系統(tǒng)，將人臉高斯超矢量表達轉(zhuǎn)換成低維子空間中的全變量因子表示(iVector)，維持性能優(yōu)勢的同時極大降低特征表達的維數(shù)。
　　最后，本文提出一種交叉雙線性網(wǎng)絡(luò)結(jié)構(gòu)有效結(jié)合CNN不同層信息，將前端LDF提取和后端人臉表達學習集成到統(tǒng)一的CNN中，并通過BP算法有監(jiān)督地對兩個模塊進行同步優(yōu)化，優(yōu)勢互補，較人臉全局深度特征表達，該方法學習得到的人臉表達性能優(yōu)勢明顯