无约束人脸识别问题研究

Face recognition in unconstraint settings is a very challenging research topic. The studied problems within this topic not only contribute to many core theories and algorithms in disciplines like Pattern Recognition, Computer Vision, and Machine Learning, but also is crucial to success of practical face authentication system. In this project, we mainly study several core problems of this research topic, i.e., view-invariant facial feature modeling and learning, age-invariant facial feature modeling and learning, end-to-end unconstraint face recognition framework modeling and learning, as well as solutions for recognition performance improvement of large candidate set. Based on our previous results on face vision studies, we propose to design novel framework and models for unconstraint face recognition, using the deep neural networks as the basic models and learning framework. The objective of this project is to obtain high-performance practical face recognition system to advance the development of related theories and mythologies for face recognition, as well as the deployment of them into practical authentication system.

无约束环境下的人脸识别是一个极具挑战的研究课题，相关的研究内容不仅涉及到模式识别、计算机视觉和机器学习等领域中的诸多核心理论算法，而且是决定实际应用中人脸身份认证系统成败的关键，因而具有非常重要的理论研究价值和相当广泛的应用市场前景。本项目重点研究该课题中的多个关键问题，具体包括：视角无关人脸特征学习与识别、年龄无关人脸特征学习与识别、端到端无约束人脸识别模型框架、以及大候选集人脸识别性能提升方案。本课题拟以深度神经网络为基本建模工具和学习框架，以课题组在人脸视觉研究中积累的诸多理论方法和模型思想为研究基础，提出无约束人脸识别问题的新型框架和模型方法，从而构建出高性能可实用的无约束人脸识别系统，促进人脸识别相关理论方法的发展，推动无约束人脸识别算法在实际认证系统中的应用。

无约束人脸识别问题具有重要的科学研究意义和实际应用价值。本项目围绕无约束人脸识别中的多个关键问题，包括视角无关人脸特征学习与识别、年龄无关人脸特征学习与识别、端到端无约束人脸识别模型框架、以及大候选集人脸识别性能提升方案。通过以深度神经网络为基本建模工具和学习框架，项目提出了一整套完整的无约束人脸识别问题学习框架和模型方法，构建了高性能可实用的无约束人脸识别系统。除了无约束人脸识别学习框架方法和实用系统，项目取得的其他一些研究成果还包括在人脸识别相关问题方面发表了十余篇高水平学术论文、三次人脸识别相关国际技术挑战赛获奖（两次冠军、一次亚军）、以及相关技术在华为、云从等企业的四次实际落地应用。在项目执行过程中，还有近十名研究生参与到项目的研究工作之中，其研究能力得到很大的提升。