基于VGGNet人脸识别方法研究文献综述

文献综述（或调研报告）：

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的科学，随着计算机技术的进一步发展，在人类参与和大量数据的帮助下，计算机可以完成很多高难度科学问题，但是如果离开人工的参与，计算机就是一堆废铁，这与人工智能开始提出的理念是相违背的。人工智能的理想是使机器具有和人一样的能力和意识，这是一个非常高的期望，然而从人工智能提出到现在半个多世纪过去了，人工智能的发展远远没有达到预想的目标，甚至于有人认为人工智能是“伪科学”。在这样的环境下，2006年机器学习领域取得了突破性的进展，即提出了深度学习（Deep learning）的概念，找到了人类科学中如何解决“抽象概念”的难题。

人脸识别是模式识别研究领域的经典问题，具有很大的研究价值和意义。随着社会的进步和发展，各个领域对身份识别验证的需求越来越高，人脸识别以其非侵犯性、准确性、便捷性和安全性在各种应用中优于其他的模式。传统的人脸识别是通过提取人为的设计特征作为输入进行判别分类，这些方法都属于显式的表达特征，但是在哺乳动物大脑进行识别的过程中并没有一个“显式”的对信号的处理过程，而是通过一个层次结构，将信号逐层抽象再传递的过程。深度学习的理论正是基于这种逐层抽象的理而论建立的，因此使用深度学习方法进行人脸识别是非常有意义的。

随着科学技术的进步，特别是互联网技术的迅猛发展，人们的生活水平不断提高，生活也方式发生了巨大变化。网上购物，支付转账等新型的互联网生活方式虽然使人们的生活日益方便快捷，但是同时也带了新的难题和挑战。这些新的难题和挑战归根结底就是信息安全的问题。虽然日常使用的账号密码、各种智慧卡等信息安全技术已经很成熟，但是在使用的过程中总会出现各种各样的不便，例如账号密码太长难以记忆，证件伪造等问题，给用户带来众多的不便和损失。目前，信息安全技术存在这些问题是不可修正的，需要从根本上避免这些问题。由于生物特征识别技术以其具有的唯一性、可靠性以及不可盗用性等优势成为信息安全技术发展的方向。

生物特征识别主要包括人脸识别、虹膜等方式，优缺点各不相同。在众多生物特征识别技术中，人脸识别技术以其具有自然性、非强制性和非接触性等优势，成为计算机和生物工程的热门邻域^【1】。人脸识别是基于人的脸部特征信息进行身份识别的技术^【2】，属于计算机视觉领域的研究内容。计算机视觉的主要研究内容是利用摄像机和电脑代替人眼对目标进行识别和跟踪，然而能否正确识别目标以及行为的关键就是对图像的有效表达，这个表达被称为特征表达。

目前，大多数的特征表达都是人工选取的，例如SIFT，HOG等等，然而人工选取特征是一件非常费力事情，并且选取特征的好坏很大程度上依赖于经验和运气。但是如果能够通过无监督的方式，让机器自动的从样本中学习到这些特征，那么这些表达就会更本质，能更好的使计算机来实现人类的视觉功能^【3】。深度学习就是一种无监督的学习，通过建立类似于人脑的分层模型结构，组合低层特征形成更加抽象的高层，从而可以自动学习数据的特征，无监督学习提取的特征是对样本的分布式表达，更能体现出数据的本质特征。

深度学习是机器学习研究领域的一个新的研究方向，主要通过模拟人脑机制进行学习，建立一个含多隐层的多层感知器的深度学习网络结构，每一个隐层都是通过无监督学习方式来提取特征的。这种通过组合低层特征形成更高层的抽象来表示特征的方式，能够更好的表达出数据的最本质特征，因此深度学习已引起科研学者的广泛关注，并成为机器学习领域的研究热点。

人脸识别是计算机视觉研究领域的经典问题，人脸识别以其所具有的非侵入性、便捷性、安全性等特性拥有着广阔的应用前景和科研价值。在过去的几十年里，人脸识别算法有了很大发展，理想环境下的人脸识别已经取得不俗成绩。但是，当所处环境变化(如姿态变换、夸张表情、阴阳脸、分辨率较低)时，识别难度增加，效果也急剧变差。深度学习通过无监督的学习方式从数据中学习到特征，只要在训练的时候给予足够多的训练样本，训练出来的特征往往具一定语义，非常适合图像的分类和识别。因此使用深度学习来进行人脸识别就显得非常有意义。

基于深度学习的人脸识别是通过无监督学习提取人脸特征，再利用选取的特征进行人脸分类。无监督学习提取的表达特征能更加本质的表达人脸信息，提高人脸的识别精度。

人脸识别作为模式识别领域的经典任务，有着巨大的实用价值和市场前景，二十一世纪初以来，国内外许多研究机构都对其进行了深入的研究。比较著名的研究机构国外有麻省理工大学、耶鲁大学等，国内有中科院、北大等一系列高校提出了各种算法，尽管在人脸识别领域取得了许多突破，但都是在浅层学习框架下进行的。在复杂环境下各种算法，都存在一定的缺陷和不足，极大的限制了这些算法的应用。这些算法绝大部分在本质上没有使计算机去深度理解图像而是对图像提取的特征，基于特征来进行识别的。介于深度学习算法的学习机制，自深度学习算法理论提出以来，以及专家学者对深度学习的研究及应用，深度学习已经有了非常好的发展也取得了不错的成绩。例如谷歌大脑、微软同声传译系统等。