2019年9月10日第3卷第17期
现代信息科技
Modern Information Technology
Sep.2019 Vol.3 No.17
882019.9
基于Python 深度学习的人脸识别方法探究
徐浩浩
（巢湖学院，安徽 巢湖 238000）
摘 要：近年来，伴随着人工智能的迅速发展，深度学习也掀起一股发展浪潮，在图像、语音、大数据特征提取等多个方面获得广泛的应用。伴随着人工智能、深度学习的发展浪潮，人脸识别这一项安全性较高的生物识别技术，已经成为了当今的研究热点，在如智能家居、军事安防等等众多领域中得到了广泛的应用。本文主要提出了两种基于深度学习在Python 语言实现人脸识别的方法。
关键词：Python ；人脸识别；深度学习中图分类号：TP391.41
文献标识码：A
文章编号：2096-4706（2019）17-0088-03
Face Recognition Methods Based on Deep Learning of Python
XU Haohao
（Chaohu University ，Chaohu 238000，China ）
Abstract ：In recent years ，with the rapid development of artificial intelligence ，the deep learning has also gained a steam ，
which has been widely used in many aspects ，such as image ，voice ，big data feature extraction ，etc. With the development of artificial intelligence and deep learning ，face recognition ，a highly secure biometric technology ，has become a prevalent research topic and has been widely used in many fields such as smart home ，military security and so on. This paper mainly proposes two methods of face recognition based on deep learning in Python language.
Keywords ：Python ；face recognition ；deep learning
收稿日期：2019-06-27
1 深度学习的发展阶段
1.1 深度学习的起源阶段
20世纪40年代到60年代，深度学习在控制论中出现萌芽。1943年，美国数学家沃尔特·皮茨（W.Pitts ）和心理学家沃伦·麦克洛克（W.McCulloch ）提出了M-P 模型。在此基础上，美国人工智能专家弗兰克·罗森布莱特（F. Rosenblatt ）于1958年，正式提出了由两层神经元组成的神经网络感知器，对神经网络的发展具有里程碑式的意义。
1.2 深度学习的发展阶段
20世纪80年代到90年代，是深度学习发展的第二次浪潮。美国物理学家约翰·霍普菲尔德（Hopfield ）在1982年发明了Hopfield 神经网络。1986年深度学习之父杰弗里·辛顿（Geoffrey Hinton ）提出了一种适用于多层感知器的BP 算法，该算法完美地解决了非线性可分问题，使得人工神经网络再次引起人们的广泛关注。
1.3 深度学习的爆发阶段
第三次浪潮始于2006年。杰弗里·辛顿以及他的学生鲁斯兰·萨拉赫丁诺夫正式提出了深度学习这个概念。他们在论文中详细地描述了无监督的逐层训练算法，再使用有监督的反向传播算法进行调优。深度学习一经提出，立即在学术圈引起了巨大的反响，又在工业界中迅速蔓延。在该阶段，人们已经开始放眼于深度学习在小数据集上的泛化。
1.4 深度学习现状
在世界级人工智能竞赛LFW （大规模人脸识别竞赛）上，
应用深度学习进行计算机视觉研究的团队力压Facebook 夺得冠军，使得人工智能在该领域的识别能力超越真人。在国际上，Google 、IBM 等公司都进行了DNN （深度神经网络）语音识别的研究。如今，深度学习已经在图像、语音、CTR 预估、大数据特征提取等多个方面获得广泛的应用。
2 人脸识别介绍
人脸识别的实质就是一种基于人脸的特征信息进行身份识别的生物技术，当我们用摄像产品采集到人脸的图像时候，能自动地在图像中检测并追踪指定人脸，再将检测得到的人脸进行一系列相关操作。人脸识别主要由四个部分构成，分别为：图像采集和检测、图像预处理、人脸特征提取以及人脸匹配和识别。
人脸识别技术的研究跨越了多个领域学科。人脸识别技术是一项高端的技术研究工作，在其中包含了多个学科的专业知识，如计算机视觉、图像学、生理学、心理学等等学科知识。在人脸识别技术的研究中，目前主流的人脸识别分类方法一种是人脸特征统计的方法，主要有将图像降维的特征脸方法和根据人脸面部特征及其几何形状来进行的几何特征方法。另一种方法就是本文着重介绍的基于深度学习的人脸识别算法，通过深度学习，我们可以在大量人脸数据库中学习训练，从而获得大量的使计算机易于理解和区分的人脸特征，达到人脸识别的效果。