摘 要

在人工智能的不断发展下，人脸识别技术也在进一步地发展。在当今世界，人们对于身份验证的正确性的要求在不断地增加，所以人脸识别研究的热潮一直都没有终止。本文将从全连接的神经网络讲起，先为大家讲述基础的神经网络的知识，这其中涉及到感知器，激活函数和反向传播误差等。接着本文将通过卷积神经网络与全连接的神经网络进行对比，开始对卷积神经网络的结构和算法进行讲解。卷积神经网络在前向传播和误差传播上都与全连接的神经网络有所区别，但是都是相同的思路，在有了神经网络的基础后，对于卷积神经网络将会更好地理解。之后会对卷积神经网络的识别率进行分析，对造成识别错误的原因进行分析。在文章的最后将会贴出卷积神经网络的关键算法的Matlab的代码。

关键词：卷积神经网络；全连接；误差；人脸识别

Research On Face Recognition Based On Convolutional Neural Network

ABSTRACT

With the development of artificial intelligence, face recognition technology is further developed. In today's world, the demand for authentication accuracy is increasing, so the upsurge of face recognition research has not been terminated. From the fully connected neural network, this paper first describes the basic knowledge of neural networks, which involves sensors, activation functions, and back propagation errors. Then, this paper will compare the convolutional neural network with the fully connected neural network, and begin to explain the structure and algorithm of the convolutional neural network. Convolutional neural networks in the forward propagation and error propagation are all connected with the neural network are different, but have the same idea, based on the neural network, the neural network will have a better understanding of convolution. Then the recognition rate of the convolutional neural network is analyzed, and the cause of the identification error is analyzed. At the end of the article, the Matlab code for the key algorithm of the convolutional neural network will be posted.

Key words：Convolutional neural network; full connection; error; face recognition

目录

第一章 绪论 - 1 -

1.1研究背景与意义 - 1 -

1.2国内外研究现状 - 2 -

1.2.1人脸识别研究现状 - 2 -

1.2.2卷积神经网络的研究现状 - 2 -

第二章 神经网络的结构及算法 - 4 -

2.1感知器 - 4 -

2.2 激活函数 - 6 -

2.3神经网络的架构 - 8 -

2.4使用梯度下降算法进行学习 - 9 -

2.5反向传播算法 - 12 -

2.5.1 正向传播的公式 - 12 -

2.5.2 反向传播的四个重要公式 - 12 -

第三章 卷积神经网络 - 15 -

3.1介绍卷积神经网络 - 15 -

3.2 误差的反向传播 - 21 -

3.2.1 输出层的误差计算： - 21 -

3.2.2 (L)卷积层，(L 1)为采样层： - 21 -

3.2.3 下采样层L的下一层是卷积层(L 1): - 22 -

3.3 卷积神经网络的实验的正确率 - 24 -

3.4 实验错误分析 - 25 -

3.4.1 图像处理问题 - 25 -

3.4.2 数据问题 - 25 -

第四章 代码及算法分析 - 26 -

4.1 神经网络的前向传播 - 26 -

4.2 神经网络的误差传播 - 27 -

结 论 - 29 -

致 谢 - 30 -

参考文献 - 31 -

绪论

1.1研究背景与意义

在当前信息技术飞速发展的时代，如何准确鉴定一个人的身份，保护信息安全，己成为一个必须解决的关键性社会问题。生物特征识别技术因为其具有唯一性、隐蔽性、防伪性、稳定性和普遍性的特点，己成为当今世界上最为安全和完备的身份认证技术。

生物特征识别是指利用人类本身所拥有的、能够唯一标识其身份的生理特征或者行为特征来进行身份验证的技术。这些特征都在一定程度上是人人拥有且独一无二的，都能反映出不同个体的特点。基于这些特征，相应的识别技术有人脸识别、视网膜识别、语音识别等。其中，人脸识别是人类用来相互识别的最重要的方法。人脸识别技术具有以下优点：

(1)非接触性。用户获取人脸不需要直接接触，相对于指纹识别，更加安全与卫生;

(2)直观性。当身份验证系统无法确定被识别者的身份或者无法对其正常完成识别时，工作人员一般会保留被识别者的信息进行后期人工核对，而人脸信息因为具有较好的直观特性，符合人的视觉特性，自然人很容易对其进行辨别，但对指纹信息和虹膜信息，自然人则没有能力识别;

(3)简易性。人脸识别系统应用摄像设备采集人脸信息进行识别，而对摄像设备的性能并没有特殊要求，包括手机、摄像头在内的常见摄像设备都可使用，而且在不需要其他辅助设备的情况下就可完成识别。此外，摄像设备可安置在高处或者其他不易被人察觉的地方，避免人为恶意破坏。

人脸识别技术由于拥有上述优点，不仅引起了学术界越来越多的关注，并且使其具有非常广泛的应用前景。这些应用主要包括以下几方面:

(1)门禁系统。可以识别人的身份，防止不可靠的人进入;