56、真假人脸鉴别与一类非线性系统饱和控制器设计

真假人脸鉴别与一类非线性系统饱和控制器设计

1. 真假人脸鉴别研究

在当今人工智能技术日益成熟的背景下，生成虚假人脸的现象愈发普遍，因此检测虚假人脸变得至关重要。同时，人脸识别技术作为一种安全可靠的生物识别技术，在现实生活的各个领域得到了广泛应用。不过，目前对于动漫风格人脸图像与真实人脸的鉴别研究相对较少。

1.1 相关研究基础

• 深度学习人脸识别 ：有研究通过深度学习方法实现现实监控视频中的人脸识别，其数据集是通过人脸检测、跟踪和图聚类的过程构建的，还可利用新数据集微调深度模型进行人脸识别。
• 基于LBP特征和CNN的人脸识别 ：有学者提出了基于LBP特征和CNN的人脸识别模型，该模型处理LBP图像以生成图像的LBP特征图，然后使用LBP特征图训练CNN，在测试识别图像时，将提取的图像LBP特征图输入CNN分类器进行识别。与经典的人脸识别算法相比，基于卷积神经网络（CNN）的算法具有鲁棒性强和识别率高的优点。

1.2 研究贡献

• 提出深度卷积神经架构 ：提出了一种用于面部特征提取的深度卷积神经架构，在确保鉴别准确性的同时，尽可能降低计算复杂度。
• 利用人脸检测技术处理数据集 ：使用人脸检测技术处理数据集，保证神经网络输入数据的一致性，使神经网络的训练和测试更加有效。

1.3 方法介绍

• 假脸鉴别框架