论文部分内容阅读
随着数据大规模存储的能力和硬件设备计算能力的飞速提升,以及神经网络领域算法的不断创新,深度学习从快速发展期进入了新的爆发期。与深度学习相关的各类研究蓬勃发展,不仅在理论方面有了显著的进步,还通过与现有互联网技术的有机结合,促进了各个行业的智能化发展,对社会产生了深远的影响。而基于深度学习的人脸识别技术更是由于其在各类身份鉴权场景下的易用性,成为了深度学习领域未来最有前景的研究方向之一。相比于指纹身份鉴权方式,人脸识别采集具有非强制性,且在鉴权时不需要与设备直接接触。相比于密码身份鉴权方式,人脸识别非常简单易用,能带来更好的人机交互体验。然而由于人脸具有易变性和相似性的特点,并且人脸识别技术通常也更容易受到环境因素的干扰,这使得实现一个具有极高安全性的高可用人脸识别系统仍是一项很具挑战性的工作。因此本文主要致力于设计一个多场景下高可用的人脸识别系统。本文的工作主要由以下几部分组成。第一部分是人脸检测模块的研究与改进,该部分主要对人脸检测算法进行了分析与研究,然后对算法中用于提取面部特征的卷积神经网络进行改进,使得人脸检测模块有更高的精确率和更快的运行速度。第二部分是实现人脸识别核心模块,该部分主要将图像预处理模块、人脸检测模块、人脸对齐模块以及人脸特征提取、比对模块相结合并实例化,实现出具有人脸检测、特征提取、人脸识别等功能的核心模块。第三部分是实现人脸识别系统,该部分主要将实现的人脸识别核心模块集成到整个系统中,并实现日志模块、控制模块、基于TCP协议的通信模块等,并引入数据库系统、第三方HTTP请求解析与响应发送模块,从而实现能够对外提供基于TCP和HTTP协议的人脸识别服务的系统。整个系统能在多场景下提供可靠的人脸识别服务,并且可以通过调用该服务在PC、手机等多终端实现基于人脸识别的身份鉴权。