深度學習在解決光線影響人臉識別活體檢測算法中的應用

文/王同磊

1 深度學習介紹

在人工神經網絡這一領域的研究過程中，衍生出了深度學習這一概念。例如，多層感知器，也就是含多隱層的感知器，這一類就屬于深度的學習結構。深度學習是如何表示的呢？通常而言，是通過各種組合，將低層特征形成某種抽象特征，或者是屬性類別等，通過這些過程，將發現的數據以分布式特征進行表示。

2006年，Hinton等人首次將深度學習這一概念提出。他們基于（DBN），也就是深信度網這一概念，提出了一種訓練算法，稱為非監督貪心算法。這一算法為解決與深層結構等內容有關的優化類難題帶來可能性。并且據此又提出了自動編碼器這種深層結構。另外，由其他研究學者提出了例證，卷積神經這種網絡就是例證，它是首個真正意義上的正多層類型的學習算法。具體內容是依據空間的這種相對關系，從而減少參數，用以提高神經的訓練性能。

2 人臉識別活體檢測算法綜述

人臉識別這一技術，主流觀點認為，分兩部分：一為前端人臉活檢。這一技術支持iOS和安卓等程序平臺。具體過程是：用戶通過點頭或搖頭，以及眨眼等各種動作進行智能檢測，目的是確定機器設備前是真人人臉。二為基于后臺功能的人臉識別。這種技術以第一部分為基礎，在其基礎之上，獲取到全臉圖像之后，經過掃描，識別用戶的身份證，身份證頭像與前端活檢人像對比而后做出判斷，得出是否是同一人的結論。

圖1

2.1 什么是活體檢測？

活體檢測，通俗意義上理解，就是判斷人臉活檢這一過程中是真人臉還是靜態假臉，比如照片打印的人臉，電腦中的人臉，甚至說是面具等；人臉活檢這項技術目前我們可以看到，經常應用在iOS、安卓等系統的移動平臺中，比如APP等。同時，由于這項對比技術運算量超級大，所以必須使用大量服務器支持，常見的是win平臺，國外也會使用Linux等平臺。

2.2 為什么需要活體檢測？

活檢的應用領域非常廣泛，我們熟知的應用場景有：銀行金融、各種支付以及安保門禁等。活體檢測通常是嵌套程序模塊使用。將人臉識別與活檢二者結合使用，成功的案例很多，比如實名認證等領域，避免了各種漏洞與攻擊。

2.3 活體檢測對應的計算機視覺問題

實際上就是分類，用計算機語言說是1和0，也就是真和假，還有一種是多分類。前面提到的照片攻擊、面具攻擊，還有真人等。

3 深度學習如何在人臉識別活體檢測算法中應用

首先我們從基礎開始說起，首先定義一個神經網絡。

在圖1中需要我們最先了解的是ωljk。k,位于右下角，它代表第k個神經元位于L-L層；L, 位于右上角，代表層數，即“輸入”與權重w這一項結合；j，位于右下角的，代表第j個神經元位于L層。

這么寫看起來好像比較奇怪，因為直覺上說，k在L之前，才是更符合我們認知的理解方式。但是后面我們可以看到，在這種處理方法之后，我們可以得到一種更簡潔的處理式子。比較而言，這種前后稍微顛倒下，也無所謂了，適應下就好了。

如圖2所示，除了權重w之外，我們還有 b和 a。

b是我們的偏差，a是我們的輸入向量經過激活函數之后的結果，也就是α=δ(z)。

在表現形式上，b跟a有這類似的特點：右上角的值是所在的層數；右下角數值，代表所在的神經元位置。據此，結合之前的公式，我們可以得出以下算式結論：

這個式子看起來好像復雜，但實際上很簡單，而且完全描述了我們剛才說的神經網絡的問題，當然，這里的αlj是其中的一個神經元，它位于第L層的第j個。

這個神經元的得來，就是從前一層L層的所有神經元，與與之對應的權重結合之后，所有的相加，經過激活函數得來的。

在矩陣中，我們要求的某個值，就是行與列對應位置的值相乘之后相加得到的。可以看出，k即對應的位置。例如，我們有公式

圖2

這個公式就是典型的矩陣相乘求值的公示，那么我們轉成矩陣相乘：

li=minj

可以把αlj理解成第l行第j列的值，那么我們采用矩陣相乘的方法來計算，就得到了：

αl=δ(ωlαl-1+bl)

下面，我們來總結一下，可以看到簡化的算式。并且很顯然，還能得出l與k顛倒的優點。為了更方便，我們設定：

于是，我們很輕松的得出αl=σ(zl)接下來，該backpropagation了，為了計算這一項，我們可以進行兩個假設。第一，代價方程寫為：

這里面，x代表輸入樣本點，n代表樣本數，y(x)代表輸出值，而αL(x)代表的輸出值是神經網絡。其中L代表的就是層數，神經網絡的，很明顯也是最后一層。

第一個將 remote pluse 應用到活體檢測中，多幀輸入

（交代下背景：在CVPR2014，Xiaobai Li已經提出了從人臉視頻里測量心率的方法）算法流程：

（1）通過 pluse 在頻域上分布不同先區分 活體 or 照片攻擊 （因為照片中的人臉提取的心率分布不同）

（2）若判別1結果是活體，再 cascade一個 紋理LBP 分類器，來區分 活體 or 屏幕攻擊（因為屏幕視頻中人臉心率分布與活體相近），如圖3所示。

Pros: 通常意義上，按照學術界的觀點，引入了新模態——心理信號，這是很大意義上的進步；從另一個角度而言，也就是工業發展的領域，加入做不到一步到位，還可以通過Cascade這一方式進行部署，這也是進步的。

Cons: 因為remote heart rate這一算法有它的局限性，所以結果來看，pulse-feature存在判別能力不足的弱點，加上顯示器里video的視頻中，人臉的pulse-feature方面是不是還存在比較細微的差別，這一方面還不確定，需要更進一步的驗證。

正面人臉圖像檢測方法

圖4

矩陣 Yi∈R64×64為第 i個個體的人臉圖像矩陣，Di 為第i個個體所有人臉圖像集合，Yi∈Di。正面人臉檢測公式為：

我們通過訓練深度神經網絡來進行人臉重建。loss函數為：

I代表第i個，k代表i中第k張。X^{0}代表的是訓練圖像，Y代表的是目標圖像。

深度的神經網絡，它包含三層。max pooling是與前兩層相接；全連接層是與第三層相接。與傳統統卷積神經網絡不同，我們的fi lters不共享權重（我們認為人臉的不同區域存在不同類型的特征）。以下是第l層的卷積層算式：經過這些計算，我們終于可以得出人像圖了。下面就是經過訓練之后，生成的canonical view：如圖4所示。

4 總結

目前的研究水平，要想達到人臉識別和深度學習的全部結合，可以說路漫漫其修遠兮，還有很多探索空間。比如說雙胞胎識別，比如說妝前和妝后的識別，要達到一定的準確度，還存在一定難度。相信不久的將來人臉識別系統將在速度、可靠性、穩定性，成本取得更好的。從而能夠為人類的進步貢獻力量。