人脸图像分析作为计算机视觉领域中一个有着广泛应用前景的研究方法,吸引了越来越多人的研究兴趣。本文我们将针对人脸图像分析中的严重遮挡的人脸定位、基于人脸的亲属识别和笑脸识别这三个课题进行研究。严重遮挡的人脸定位是人脸检测中一个很有挑战性的研究课题。传统的方法一般是使用滑动窗口机制,判断窗口中是否包含人脸来进行判断。本文提出了一种基于像素的定位策略,通过深度神经网络来实现对遮挡人脸的定位。图片经过一系列的卷积层和全连接层之后,通过一个softmax层完成对像素的判别,最后通过一个最小闭包操作完成人脸定位。该方法避免了滑动窗口带来的时间消耗,同时仅使用一个模型,因此可以实现快速的定位。实验表明,该方法既有很高的准确率,又有非常快的检测速度。根据人脸来进行亲属识别是人脸图像分析中一个新兴并且有趣的研究方向。由于人脸图像中蕴含的亲属关系的复杂性,使用手动设计的特征难以很好描述。本文提出了一种基于深度学习的亲属识别算法。它不需要复杂的图像预处理,通过深度学习建立强大的特征表示。此外,考虑到人脸关键区域对亲属识别的帮助,通过加入关键区域的因素来优化网络结构。实验结果表明,我们的方法在两个主流的亲属识别数据库上,超过了当前最好的公开实验结果。笑脸识别是表情识别中一个特殊的研究领域,有着广泛的应用领域。本文提出了一种基于深度神经网络的笑脸识别算法,它使用了两种监督信号,一个是识别信号,另一个是验证信号。通过它们,既可以减小相同表情之间的特征差别,又可以增加不同表情之间的特征区别。实验结果表明,在主流数据库上,该方法取得了当前最好的准确率。