• 157
•
近年来，图像识别技术取得突破性发展，尤其是人脸识别技术。从各种公共活动到铁路身份认证系统，人脸识别技术已广泛用于应对各类安全问题。本文主要设计了一种基于卷积神经网络的人脸检测系统，可检测出同一画面中的所有人物，更有利于发现目标人物，并且系统具有检测准确度高、小巧、灵活，易于使用，成本较低等特点。 1.引言
人脸识别是身份识别中重要的技术手段之一，相对于虹膜、指纹等生物特征识别，人脸识别能够提供更多信息，便于采集与验证。随着计算机软硬件技术的发展，人脸识别的识别速度、识别准确度在不断提高，所需硬件也随之减少。最开始的阶段Bledsoc基于简单、纯背景下，识别人脸的局部特征，主要是
五官，这是初级的识别技术（WW Bledsoe.The model method in facial recognition:Panoramic Research Inc Palo Alto,1964）。第二阶段是基于数学模型的识别，例如将眼睛到鼻子，鼻子到嘴巴等距离，用多维几何特征和多维特征向量来表征（AJ Goldstein,LD Harmon,AB Lesk.Identification of human faces:Proceedings of the IEEE,1971）。第三阶段通过大量的人脸数据来训练计算机，使其能够实现自动识别人脸。更准确、更高效的人脸识别算法也不断涌现出来。如今，人脸识别技术已然从只能识别纯背景下固定表情的人脸，发展到识别各种光影条件、不同角度下的丰富表情。
2.卷积网络神经
2.1 卷积神经网络概述
人工神经网络的概念来源于生物神经网络，通过计算机建立神经网络模型仿照生物神经网络的机制运行。现代对神经网络研究的起源可回溯到20世纪40年代Warren McCulloch和Walter Pitts的工作（W.McCulloch,W.Pitts.A logical calculus of the ideas immanent in nervous acrivity:Bulletin of Mathematical Biophysics,1943），从原理上证明了人工神经网络进行算术和逻辑函数计算。到了20世纪60年代，Hubel和Wiesel在对猫的脑皮层中进行图像空间定位的部位研究时，发现Sinple cell和Complex cell这样两类相关联的细胞，S细胞可响应图像中类似边缘模式的刺激，C细胞可精准定位刺激模式的空间位置（GIRSHICK R,DONAHUE J,DARRELL T,et al.Rich feature hierarchies for accurat e object detection and semantic segmentation:Computer Science,2014）。这些细胞可看做滤波器，不同滤波器对于输入图像的不同信息处理，相互协作可全面综合地图像中目标物的空间信息。卷积神经网络因其参数共享，可降低权值参数的数量级，提高算法的性能，进而提升图像识别的效率与准确度，故而得到广泛的应用。
2.2 卷积神经网络结构
LeNet是一种非常经典的卷积网络神经结构，如图2.1所示。加上输入输出层，该网络共有7层结构，输入层之后还有两个卷积层，池化层则交替出现在卷积层之后，而后连接到全连接层。第一层是数据输入层，主要是将指定图片读入并进行一定预处理。固定输入图片的矩阵大小为32*32，并将彩图像转换为灰图像，并能进行图像增强与图像归一化。图像增强主要是调整图像，便于处理，归一化主要是将图像归一化到灰度图为0-255的区间内；若出现具有非零均值的图像，需去除非零均值以避免影响识别率。
第二层是卷积层C1，卷积层是卷积神经网络的核心网络层。其中关健就是卷积核，卷积核的本质是一个权值矩阵，相当于卷积处理的模板。通过改变权值矩阵中的值，就可以改变模板，那么不同的卷积核相当于不同的滤波器，可以获取图像的不同特征。若权值矩阵中的值都是一样的，那么相当于均值滤波操作，可起到去除噪声作用；若权值矩阵中取值相差较大，那么相当于锐化作用，会使得部分图像细节突出。
第三层是池化层S2，池化层一般放置于卷积层之后。因为随着卷积核与卷积层数的增加，仍会增加大量的参数，既不利于计算，还会因神经元参数过多，神经模型过于复杂而导致过拟合。故池化层的主要作用是减少数据量、降低维数。在池化层中，会将图像划分成窗口大小的不重叠区域，然后再各自区域内进行聚合，保留主要信息，舍去次要信息。第四层与第五层同第二与第三层，主要进行卷积池化操作，但进一步的卷积操作，会对图像特征进行进一步的提取，精炼出图像特征并降维。
第六层是全连接的卷积层，主要作用是将前一层所输出的图像矩阵卷积成一个数值，便于后一层的网络进行判断。第七层则为全连接层，将上一层的输出与本层输出结合起来，基本获取大部分神经网络的参数，参数数量非常大。第八层为输出层，前一层的输出作为输入值输入RBF函数，结合RBF网络本身参数，得到最终能输出值。
一种基于MATLAB与卷积神经网络的人脸检测系统
广东理工学院电气与电子工程学院 周 莹 曹美媛
曾丽萍 谷红霞
热熔胶涂胶机• 158
•
图2.1 LeNet结构图
吸油茶
3.人脸检测系统的设计与实现
3.1 人脸检测系统设计
电视棒原理本文采用MATLAB 软件构建基于卷积神经网络的检测系统，并
单元测试流程据库。然后，进行神经网络初始化。初始化成功后，对数据库中的数据进行训练。最后，导入所需检测图片，系统自动导出检测结果。3.2 人脸检测系统实现
如图3.2所示，将原始图像导入系统，系统开始自动检测图像中的人脸，系统会用不同颜的点来标示所检测到的特征，然后形成图3.2(a)所示的图像。最后输出如图3.2(b)所所示的图像，会使用
绿的框框出所检测到的人脸。
图3.2 图像检测结果
荀果图3.1 人脸检测系统的界面设计
设计GUI 界面如图3.1所示。首先创建人脸图像数据库，从AFLW 人脸数据库中选取数据进行实验数据测试。AFLW （Annotated Facial in the Wild ）人脸的数据库包含有大量的已手工标注过的人脸数据，并且图片的素材非常丰富，图片包括不同性别、种族、年龄段在不同光影条件下的各种表情。但多数图片都是
彩图片，需进行预处理再存入数在网络技术发展与普及过程中，为技术革新创造了良好条件，各种新业务的开展让广电网络对宽带的要求不断提升，在功能要求上也更高。而对以往网络在新业务上的支持来看，已经进入了瓶颈，尤其是体现在高清视频等高带宽业务上，在广电网络FTTH建设上需要提高重视程度。当前我国三网融合逐步深入，电信网、移动网和广电网在业务上已经逐步实现了高度重合，竞争也变得更加激烈，广电网络必须加快升级、建设与整合步伐。基于此本文分析了广电网络FTTH建设的必要性，提出了具体可行的策略。
测量空间一、FTTH概述
当前FTTH技术发展速度很快，是国内外学术界研究的一个重点方向，在技术、成本与需求等影响下，只有日本等部分国家进行了大规模建设，其他很多国家还未真正实现推广与应用。随着科学技术的飞速发展，成本也越来越低，用户要求也逐步提升，加上国家也出台实施了很多扶持政策，很多运
营商开始对试点FTTH网络做出了部署。
所谓FTTH，即在住宅与企业用户中安装光网络单元，不
广电网络FTTH建设的必要性与应用研究
安宁市广播电视网络中心 李荣军
需要设置有源器件，而是利用光纤让让用户实现独享带宽的一种接入模式。具体来说FTTH包括以下两点：一是把光纤连接到各家庭与大楼；二是通过对无源光网络技术的应用，在分光器分支上使用光信号，这样多个用户能够对一条光纤进行共享。但是受到成本的影响，并考虑到PON上行时分技术的成熟，很多时候选择分光器达到一条光纤共享的目的。
二、广电网络FTTH建设的必要性
（一）降低运营成本
与铜缆不一样，广电网络通过FTTH建设可以获得成本上的优势，并保障了网络传输的性能。以往采取铜缆的时候，原料铜属于一种有金属资源，容易出现被盗的情况。遇到阴雨潮湿季节后，在使用铜缆的过程中容易发生掉线的现象，难以保证用户的体验（温中焰，广电FTTH演进的建设实践与思考：有线电视技术，2017）。现在进行广电网络FTTH
