杨信明
浙江大华技术股份有限公司 浙江省 杭州市310051
摘要：现阶段，科学信息技术得到了飞速发展，人脸识别技术在日常生活中的应用越来越广泛，已经逐渐成为计算机视觉领域研究的重点方向。人脸识别技术的核心算法主要是通过获取人脸上眼睛、嘴巴等五官具体位置，利用相关数据对脸型和角度进行详细有效的分析，以此明确用户的身份。人脸识别技术在大数据环境下获得了良好的发展空间与发展机遇，同时也面临着一系列挑战与困难。基于此，文章首先介绍了卷积神经网络的类型，然后对多任务卷积神经网络的人脸识别模型进行了分析，最后提出了多任务卷积神经网络的人脸识别技术发展策略。
关键词：卷积神经网络；多任务；人脸识别技术；
引言：在我国，深度神经网络在计算机机器学习领域占据影响力较大的重要地位，其核心技术就是图像处理。“Multi-task Convolutional Neural Network”简称“MTCNN”，也就是多任务卷积神经网络，主要指的是在卷积神经网络的基础上，制定的一种多任务人脸识别框架，利用MTCNN人脸势识别模型可以代替以往的卷积神经网络，人脸检测结果是基于深度学习框架开展的[1]。首先，利用灰度化的方式将预处理阶段的数据图像转化为灰度图，使得图像通道有所降低；其次，利用Softmax一种函数算法对MTCNN下的人脸检测模型类型进行划分；最后，整个实验全过程选择不同的迭代次数对模型进行准确的比对，增强模型稳定性同时，使得模型准确性得到提升。
1卷积神经网络概述
1.1传统卷积神经网络
传统意义上的卷积神经网络涉及层面比较广泛，属于前馈神经网络的一部分。在较大图像处理和研究过程中，应用率比较大，主要包括输入层、输出层和卷积层三个部分。当前，在人脸识别技术中，卷积神经网络模型的应用已经逐渐开始普及。
1.2卷积层
卷积层的主要作用是在输入数据的过程中，提取相应数据特征。在大量的数据中存在较多的卷积单元，能够优化反向的传播算法，主要指的是神经元发挥的作用。
1.3池化层
池化层主要是选择出卷积层中的有效的信息，然后根据特征对信息进行过滤划分。根据池化层的主要作用，池化层还可以称为子采样层。上述内容便是池化层在卷积神经网络中的构成部分。
1.4全连接层
通常情况下，全连接层是卷积神经网络中的最后一个环节。具体来说，在全连接层中，向量会取代面部检测过程中的三维结构。然后在激励函数的基础上，将有效的信息传输到输出层。然而，在具体的人脸识别过程中，面部模型的处理十分复杂，数据的处理相对较慢，在硬件性能的影响下，网络也会受到一定程度的限制，预设的功能难以实现。在此情况下，有效利用多任务卷积神经网络，大大提升了人脸面部识别的效率[2]。
2多任务卷积神经网络人脸识别模型
2.1人脸识别主要流程
文章提到的人脸识别技术主要指的是在多任务卷积神经网络的基础上，通过人脸关键点检测与人脸区域检测来进行人脸识别，具体的流程可以概括为三个模块，分别是数据处理阶段、构建卷积神经网络模型、人脸识别模块[3]。可以图1作为参考。
图像集 数据集 特征图
表1 多任务卷积神经网络人脸识别流程
在此过程中，人工采集的图像样本通过数据处理模块，对其进行标记和增强处理，得到能够代表图像图片的数据集；通过卷积神经网络，对图像样本进行特征提取与灰度处理，得到卷积神经网络模型的特征图；最终在人脸识别模块通过一系列对比识别，明确人脸的身份信息。
2.2人脸识别的算法
利用人脸识别技术对数据进行计算时，计算过程复杂程度较高，涉及到的计算方法也十分多样。在图片识别方面，涉及到计算机中的三维矩阵以及对应三个颜色的RGB通道。
但是，在卷积神经网络算法中，对颜色方面的要求有所降低，并不是针对性的识别人脸轮廓，数据处理过程中的信息需要经过灰度处理，这样的方式可以降低人脸识别的难度，有效提升人脸识别的效率。
3多任务卷积神经网络的人脸识别技术发展策略
3.1明确人脸识别技术的发展重点
随着现代化进程不断加快，信息技术不断发展，我国的人脸识别技术有很多细节方面已经达到了较高的水准，完全符合人们生活的需求。然而在发展过程中，存在很多领域、很多地区人脸识别技术并没有充足的保障，相关企业应该注重人脸识别技术的针对性，专注于某一方面的人脸识别技术进行钻研，市场上不太完善的人脸识别技术应该及时制止，加大对多任务卷积神经网络人力识别技术的支持与投资力度，对人脸识别技术的发展重点进行明确，在发展重点选择的过程中，深入贯彻“有所为、有所不为”的发展战略，抓紧发展先机，最大程度上节省资源，以促进人脸识别技术高效发展。
3.2对特定问题进行针对性研究
现阶段，在人脸识别领域，多任务卷积神经网络取得了良好的发展，但是尚未完全成熟，如果面部表情变化过于复杂，人脸识别做不到十分精确，尤其在手机开锁方面，存在着较多不足。除此之外，面部识别的准确度越高，产生的数据也会随之增长，在日常生活中的适用性不高，只能在一些特定的领域应用，所以，从研究人员的角度来看，应该明确人脸识别技术发展中的问题，并深入研究问题的产生原因，进而提升人脸识别技术的效率。
3.3加大人脸识别技术科研项目扶持力度
为使人脸识别技术科研得到保证，应该加大对人脸识别是技术的扶持力度，依照科研方面的法律法规，通过经济手段为科研项目提供充足的经费。要想让我国人脸识别技术科研体系朝着更好的方向发展，国家相关立法机关必须在公共安全的事情上充分发挥自身的立法执法权利，一方面，集合社会上多方面的科研力量到人脸识别项目当中，有效利用相关税收方面的法律对人脸识别技术进行有效的扶持，加强经济投入；另一方面，有效利用知识产权法方面的相关法律，维护参与人脸识别科研工作人员的合法权益，提升工作人员的工作热情。除此之外，还要制定一系列完善的优惠政策，积极鼓励民间科研组织的加入到人脸识别技术的科研工作中。总之，多任务卷积神经网络发展过程中，要加大人脸识别技术科研项目扶持力度，让人脸识别技术在人脸识别科研的支持下获得更好的发展，进一步提升我国人脸识别技术总体质量。
3.4推动国际之间交流合作
除了中国社会各界对人脸识别技术发展的关注，其他国家也十分关注人脸识别技术的发展，所以，推动与其他国家技术上的合作能够显著促进人脸识别技术的发展，在人脸识别技术发展的同时，设立人脸识别科研学习小组，吸引外国科研人员的加入，在交流中形成互相学习、共同进步的氛围。在合作交流过称中，应该注意将部分科研成果进行共享，形成开放的格局，但是涉及到重要技术的部分，要遵循等价值交换的原则。与此同时，在国内要培养更多人脸识别技术专业的优秀人才，增强我国人脸识别技术总体水平，在国际共同科研工作中，始终遵循“去其糟粕，取其精华”的学习进步心态。总之，多任务卷积神经网络的人脸识别技术在未来发展中，国际上的交流合作至关重要。
4结语：
综上所述可知，现阶段人脸识别技术发展速度稳步提升，存在着较大的发展进步空间，同时，也存在很多的挑战与阻碍。以上内容对多任务卷积神经网络模型进行了介绍，并深入分析了我国多任务卷积神经网络人脸识别技术的发展策略，具有一定的理论意义与现实意义，利用多任务卷积神经网络技术的优势，可以促进我国人脸面部识别技术取得更好的发展。
参考文献：
[1]谢志明.基于卷积神经网络的人脸识别算法[J]. 计算机与数字工程,2020,48(10):174-178.
[2]杨恢先, 陈凡, 甘伟发. 基于多任务学习的深层人脸识别算法[J]. 激光与光电子学进展, 2019, 56(18):62-66
[3]彭先霖,张海曦,胡琦瑶.基于多任务深度卷积神经网络的人脸/面瘫表情识别方法[J]. 西北大学学报:自然科学版,2019,49(02):187-192.
杂志邮寄地址：浙江省义乌市北苑街道莲塘四区10栋6单元401，杨信明收，电话：13750847646
作者简介：姓名：杨信明（1989.11--）；性别：男，民族：汉，籍贯：江西省上饶市，学历：本科；现有职称：无 ；研究方向：信息技术类。