文献类型：期刊文章

作　　者：余璀璨[1] 李慧斌[1]

YU Cui-can;LI Hui-bin(National Engineering Laboratory for Big Data Analytics,School of Mathematics and Statistical,Xi'an Jiaotong University,Xi'an 710049)

机构地区：[1]西安交通大学数学与统计学院大数据算法与分析技术国家工程实验室,西安710049

出　　处：《工程数学学报》

基　　金：国家自然科学基金(61976173);国家重点研发计划(2018AAA0102201);教育部-中国移动人工智能建设资助项目(MCM20190701);中央高校基本科研业务费(xzy012019041);陕西省自然科学基础研究计划(2019JQ-628).

年　　份：2021

卷　　号：38

期　　号：4

起止页码：451-469

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：人脸识别与虹膜识别、指纹识别、步态识别等其它生物特征识别技术相比,具有自然、便捷、用户体验友好等独特优势,因而受到了学术界和工业界的广泛关注.近年来,在深度学习技术的驱动下,人脸识别技术取得了突破性进展,在面对表情、姿态、光照、遮挡等外在干扰因素时,仍表现出较好的鲁棒性.特别地,基于深度学习的人脸识别技术已广泛应用于安防、金融、教育、交通、新零售等应用领域.我们认识到,在人脸识别技术不断走向大众化的过程中,急需一些综述性的和普及性的文献来总结人脸识别技术的基本原理和基本方法.基于此,本文首先简要回顾了人脸识别的发展脉络,之后从人脸预处理、深度特征学习、特征比对、人脸数据集、评价标准五个方面重点介绍了基于深度学习的人脸识别技术.最后指出了人脸识别技术未来的发展趋势.

关 键 词：人脸识别 深度学习  卷积神经网络 特征学习  

分 类 号：TP389.1]