《Face Recognition Based on CD-RBM and BM-ILM》发表于《Journal of Physics: Conference Series》2021 年第 1802 卷。文章提出融合 CD-RBM 与 BM-ILM 的人脸识别方法，在 ORL 数据库中，单分类器精度达 95%（学习率 0.005、迭代 900 次），5 分类器集成后达 97%；AR 数据库中 25 分类器时精度 95%，且训练时间仅为传统模型 1/5，有效解决梯度消失与训练成本高问题。

在移动支付、交通监控、医疗认证等领域，人脸识别技术早已成为身份核验的核心工具，但其发展长期受两大难题制约：深度网络训练中易出现梯度消失，导致模型难以优化；为追求精度而增加网络复杂度，又会让训练成本飙升，形成 “高精度与低成本不可兼得” 的僵局。

针对这一痛点，南京大学团队提出了融合 CD-RBM（对比散度优化的限制玻尔兹曼机）与 BM-ILM（Boosting 算法增强的集成学习）的混合算法，并将研究成果《Face Recognition Based on CD-RBM and BM-ILM》发表于《Journal of Physics: Conference Series》2021 年第 1802 卷。该算法通过 CD-RBM 优化特征提取效率、BM-ILM 提升分类集成精度，在 ORL、AR 两大人脸数据库中实现了高精度识别，为破解传统人脸识别的技术瓶颈提供了切实可行的新方案。

一、人脸识别高精度总与高成本的绑定“两难困境”

如今，人脸识别已渗透到交通监控、移动支付、医疗认证等领域，但核心技术长期面临两大瓶颈：

梯度消失难题：深度神经网络虽能提升识别精度，但随着网络层数增加，梯度在反向传播中逐渐衰减，就像 “信号层层减弱”，导致模型难以继续优化，最终停留在低精度水平。比如传统 RBM（限制玻尔兹曼机）网络，层数稍多就会出现特征提取能力下降的问题。

训练成本飙升：为追求更高精度，部分模型会增加神经元数量或网络深度，导致计算量呈指数级增长。例如处理 1000 张人脸图像，传统深度模型可能需要数小时训练，难以满足实时应用需求。

传统解决方案往往 “顾此失彼”：简化网络结构能降低成本，却会牺牲精度；增加网络复杂度提升精度，又会加剧梯度消失与成本问题。而南京大学团队提出的 “CD-RBM+BM-ILM” 混合技术，通过 “高效特征提取 + 智能分类集成” 的双引擎设计，完美平衡了精度与成本。

二、双引擎技术拆解：如何让识别又快又准？

2.1 第一引擎：CD-RBM—— 让特征提取 “又快又好”

CD-RBM 是在传统 RBM 基础上，加入对比散度算法（CD） 优化的特征提取模块，核心是解决 RBM 训练慢、梯度易消失的问题。

图1 传统玻尔兹曼机（BM）与限制玻尔兹曼机（RBM）网络结构对比图

RBM 本身是一种两层神经网络（可见层 + 隐藏层），可见层接收人脸图像的像素信号，隐藏层负责提取特征（如五官轮廓、纹理细节）。但传统 RBM 训练时，需要反复计算 “全局概率分布”，就像 “逐像素排查”，效率极低。而 CD 算法的加入，相当于给 RBM 装了 “加速器”：

· 它无需计算全局分布，只需通过 “一次正向传播 + 一次反向重构” 快速逼近最优解，比如原本需要 1000 次迭代的特征提取，用 CD 算法仅需 100 次就能完成，大幅减少计算量。

· 同时，CD 算法能稳定梯度传播，避免特征提取过程中梯度消失，让隐藏层更精准地捕捉人脸关键特征 —— 比如区分 “双眼皮与单眼皮”“高鼻梁与低鼻梁” 的细微差异。

为了确定隐藏层神经元数量，团队还给出了实用的经验公式：

其中n是输入层神经元数（对应人脸图像像素数），m是输出层神经元数，a是补偿值。例如处理 92×112 像素的 ORL 人脸图像，输入层神经元数约 10000，输出层设为 40（对应 40 类人脸），代入公式可得隐藏层神经元数约 100+5=105，既避免神经元过多导致的冗余，又防止过少导致的特征提取不足。

2.2 第二引擎：BM-ILM—— 让分类集成 “智能高效”

BM-ILM 是 “Boosting 算法（BM）+ 集成学习（ILM）” 的组合模块，负责将 CD-RBM 提取的特征转化为精准的识别结果，核心是解决 “单一分类器精度有限” 的问题。

传统人脸识别常用单一分类器（如 SVM、决策树），就像 “单个人判断”，容易受异常样本（如模糊、遮挡的人脸）影响，导致误判。而 BM-ILM 采用 “多分类器协同决策” 的思路：

第一步——权重分配：给每幅训练图像分配初始权重，比如清晰的人脸图像权重设为 1，模糊的设为 0.8，确保模型优先学习高质量样本。

第二步——迭代训练：每次训练一个 “弱分类器”（简单但能区分部分特征的分类模型），然后根据分类结果调整权重 —— 分类错误的图像权重增加（让模型下次重点关注），分类正确的权重减少。比如第一次训练误判了 “戴眼镜的人脸”，下次训练时这类图像的权重会提高，让新的弱分类器专门优化这一问题。

第三步——集成决策：当训练出多个弱分类器后，按每个分类器的精度分配权重，最终通过 “加权投票” 得到结果。例如 5 个弱分类器中，3 个判断某图像为 “张三”，且这 3 个分类器精度较高，最终就确定该图像为 “张三”。

这种设计不仅提升了抗干扰能力（比如遮挡人脸也能准确识别），还避免了单一分类器 “过拟合”（只适应训练数据，对新数据识别差）的问题。

三、实验验证

团队在 ORL 和 AR 两大主流人脸数据库上测试了 “CD-RBM+BM-ILM” 的性能，结果显著优于传统方法：

3.1 ORL 数据库：单模型精度 95%，集成后达 97%

图2 ORL人脸数据库样本图像展示图

ORL 数据库包含 40 人，每人 10 张 92×112 像素的灰度图像，部分图像存在姿态、表情变化。

当学习率设为 0.005、迭代次数 900 次时，单一 CD-RBM + 分类器的识别精度就达到 95%，远超传统 RBM 模型的 88%；

图2 不同迭代次数下CD-RBM+BM-ILM的人脸识别精度对比图

加入 BM-ILM 集成（5 个弱分类器）后，精度进一步提升至 97%，且训练时间仅为传统深度模型的 1/5—— 处理 400 张图像，传统模型需 30 分钟，该技术仅需 6 分钟。

更关键的是，即使迭代次数增加到 1000 次，模型也未出现梯度消失现象，特征提取能力始终稳定，证明了 CD 算法对梯度的保护作用。

3.2 AR 数据库：遮挡图像也能精准识别

AR 数据库包含更多样的人脸图像（不同性别、年龄，部分有遮挡，如戴帽子、围巾），是更贴近真实场景的测试基准。

当弱分类器数量为 25 个、学习率 0.006、迭代 1300 次时，该技术的识别精度达到 95%，远超传统 SVM 分类器的 82%；

表1 AR数据库中不同弱分类器数量对应的CD-RBM+BM-ILM识别精度表

即使面对遮挡面积达 30% 的人脸图像，精度仍能保持 90% 以上，而传统模型面对遮挡时精度会骤降至 65%，证明 BM-ILM 的集成决策能有效抵抗干扰。

四、从实验室到生活的应用场景

“CD-RBM+BM-ILM” 技术的优势，使其在多个实际场景中具有不可替代的价值：

移动支付：手机端人脸识别对速度和精度要求极高，该技术能在 0.1 秒内完成特征提取与识别，且面对 “逆光、侧脸” 等场景仍保持高精度，避免支付误判。

交通监控：在人流密集的地铁站、路口，该技术能快速处理多路摄像头的人脸数据，精准识别可疑人员，且设备计算成本低，普通服务器就能部署。

医疗认证：医院的患者身份认证中，部分患者可能因疾病导致面部变化（如术后肿胀），该技术的抗干扰能力能确保认证准确，避免医疗事故。

五、总结与展望

尽管该技术已表现出色，仍有两大提升方向：

训练数据选择：目前需人工划分训练集与测试集，未来可结合 “主动学习” 让模型自动筛选高质量样本，进一步降低人工成本；

分辨率鲁棒性：面对低分辨率人脸图像（如远距离监控），特征提取精度会下降，未来可加入 “超分辨率重构” 模块，提升低清图像的识别能力。

“CD-RBM+BM-ILM” 的成功，在于它没有盲目追求 “更深的网络”，而是通过 “优化特征提取效率 + 提升分类抗干扰能力” 的双引擎设计，找到精度与成本的平衡点。它证明：人脸识别的突破不一定需要 “堆参数、堆层数”，通过算法优化与模块协同，同样能实现 “又快又准” 的识别效果。

随着该技术的推广，未来我们可能会看到：手机支付更快、交通监控更准、医疗认证更安全 —— 这些看似微小的技术进步，正在悄悄改变我们的生活，让人工智能更贴近 “高效实用” 的本质。

 

---

论文链接：https://iopscience.iop.org/article/10.1088/1742-6596/1802/3/032077

《Face Recognition Based on CD-RBM and BM-ILM》发表于《Journal of Physics: Conference Series》2021 年第 1802 卷。文章提出融合 CD-RBM 与 BM-ILM 的人脸识别方法，在 ORL 数据库中，单分类器精度达 95%（学习率 0.005、迭代 900 次），5 分类器集成后达 97%；AR 数据库中 25 分类器时精度 95%，且训练时间仅为传统模型 1/5，有效解决梯度消失与训练成本高问题。

在移动支付、交通监控、医疗认证等领域，人脸识别技术早已成为身份核验的核心工具，但其发展长期受两大难题制约：深度网络训练中易出现梯度消失，导致模型难以优化；为追求精度而增加网络复杂度，又会让训练成本飙升，形成 “高精度与低成本不可兼得” 的僵局。

针对这一痛点，南京大学团队提出了融合 CD-RBM（对比散度优化的限制玻尔兹曼机）与 BM-ILM（Boosting 算法增强的集成学习）的混合算法，并将研究成果《Face Recognition Based on CD-RBM and BM-ILM》发表于《Journal of Physics: Conference Series》2021 年第 1802 卷。该算法通过 CD-RBM 优化特征提取效率、BM-ILM 提升分类集成精度，在 ORL、AR 两大人脸数据库中实现了高精度识别，为破解传统人脸识别的技术瓶颈提供了切实可行的新方案。

一、人脸识别高精度总与高成本的绑定“两难困境”

如今，人脸识别已渗透到交通监控、移动支付、医疗认证等领域，但核心技术长期面临两大瓶颈：

梯度消失难题：深度神经网络虽能提升识别精度，但随着网络层数增加，梯度在反向传播中逐渐衰减，就像 “信号层层减弱”，导致模型难以继续优化，最终停留在低精度水平。比如传统 RBM（限制玻尔兹曼机）网络，层数稍多就会出现特征提取能力下降的问题。

训练成本飙升：为追求更高精度，部分模型会增加神经元数量或网络深度，导致计算量呈指数级增长。例如处理 1000 张人脸图像，传统深度模型可能需要数小时训练，难以满足实时应用需求。

传统解决方案往往 “顾此失彼”：简化网络结构能降低成本，却会牺牲精度；增加网络复杂度提升精度，又会加剧梯度消失与成本问题。而南京大学团队提出的 “CD-RBM+BM-ILM” 混合技术，通过 “高效特征提取 + 智能分类集成” 的双引擎设计，完美平衡了精度与成本。

二、双引擎技术拆解：如何让识别又快又准？

2.1 第一引擎：CD-RBM—— 让特征提取 “又快又好”

CD-RBM 是在传统 RBM 基础上，加入对比散度算法（CD） 优化的特征提取模块，核心是解决 RBM 训练慢、梯度易消失的问题。

图1 传统玻尔兹曼机（BM）与限制玻尔兹曼机（RBM）网络结构对比图

RBM 本身是一种两层神经网络（可见层 + 隐藏层），可见层接收人脸图像的像素信号，隐藏层负责提取特征（如五官轮廓、纹理细节）。但传统 RBM 训练时，需要反复计算 “全局概率分布”，就像 “逐像素排查”，效率极低。而 CD 算法的加入，相当于给 RBM 装了 “加速器”：

· 它无需计算全局分布，只需通过 “一次正向传播 + 一次反向重构” 快速逼近最优解，比如原本需要 1000 次迭代的特征提取，用 CD 算法仅需 100 次就能完成，大幅减少计算量。

· 同时，CD 算法能稳定梯度传播，避免特征提取过程中梯度消失，让隐藏层更精准地捕捉人脸关键特征 —— 比如区分 “双眼皮与单眼皮”“高鼻梁与低鼻梁” 的细微差异。

为了确定隐藏层神经元数量，团队还给出了实用的经验公式：

其中n是输入层神经元数（对应人脸图像像素数），m是输出层神经元数，a是补偿值。例如处理 92×112 像素的 ORL 人脸图像，输入层神经元数约 10000，输出层设为 40（对应 40 类人脸），代入公式可得隐藏层神经元数约 100+5=105，既避免神经元过多导致的冗余，又防止过少导致的特征提取不足。

2.2 第二引擎：BM-ILM—— 让分类集成 “智能高效”

BM-ILM 是 “Boosting 算法（BM）+ 集成学习（ILM）” 的组合模块，负责将 CD-RBM 提取的特征转化为精准的识别结果，核心是解决 “单一分类器精度有限” 的问题。

传统人脸识别常用单一分类器（如 SVM、决策树），就像 “单个人判断”，容易受异常样本（如模糊、遮挡的人脸）影响，导致误判。而 BM-ILM 采用 “多分类器协同决策” 的思路：

第一步——权重分配：给每幅训练图像分配初始权重，比如清晰的人脸图像权重设为 1，模糊的设为 0.8，确保模型优先学习高质量样本。

第二步——迭代训练：每次训练一个 “弱分类器”（简单但能区分部分特征的分类模型），然后根据分类结果调整权重 —— 分类错误的图像权重增加（让模型下次重点关注），分类正确的权重减少。比如第一次训练误判了 “戴眼镜的人脸”，下次训练时这类图像的权重会提高，让新的弱分类器专门优化这一问题。

第三步——集成决策：当训练出多个弱分类器后，按每个分类器的精度分配权重，最终通过 “加权投票” 得到结果。例如 5 个弱分类器中，3 个判断某图像为 “张三”，且这 3 个分类器精度较高，最终就确定该图像为 “张三”。

这种设计不仅提升了抗干扰能力（比如遮挡人脸也能准确识别），还避免了单一分类器 “过拟合”（只适应训练数据，对新数据识别差）的问题。

三、实验验证

团队在 ORL 和 AR 两大主流人脸数据库上测试了 “CD-RBM+BM-ILM” 的性能，结果显著优于传统方法：

3.1 ORL 数据库：单模型精度 95%，集成后达 97%

图2 ORL人脸数据库样本图像展示图

ORL 数据库包含 40 人，每人 10 张 92×112 像素的灰度图像，部分图像存在姿态、表情变化。

当学习率设为 0.005、迭代次数 900 次时，单一 CD-RBM + 分类器的识别精度就达到 95%，远超传统 RBM 模型的 88%；

图2 不同迭代次数下CD-RBM+BM-ILM的人脸识别精度对比图

加入 BM-ILM 集成（5 个弱分类器）后，精度进一步提升至 97%，且训练时间仅为传统深度模型的 1/5—— 处理 400 张图像，传统模型需 30 分钟，该技术仅需 6 分钟。

更关键的是，即使迭代次数增加到 1000 次，模型也未出现梯度消失现象，特征提取能力始终稳定，证明了 CD 算法对梯度的保护作用。

3.2 AR 数据库：遮挡图像也能精准识别

AR 数据库包含更多样的人脸图像（不同性别、年龄，部分有遮挡，如戴帽子、围巾），是更贴近真实场景的测试基准。

当弱分类器数量为 25 个、学习率 0.006、迭代 1300 次时，该技术的识别精度达到 95%，远超传统 SVM 分类器的 82%；

表1 AR数据库中不同弱分类器数量对应的CD-RBM+BM-ILM识别精度表

即使面对遮挡面积达 30% 的人脸图像，精度仍能保持 90% 以上，而传统模型面对遮挡时精度会骤降至 65%，证明 BM-ILM 的集成决策能有效抵抗干扰。

四、从实验室到生活的应用场景

“CD-RBM+BM-ILM” 技术的优势，使其在多个实际场景中具有不可替代的价值：

移动支付：手机端人脸识别对速度和精度要求极高，该技术能在 0.1 秒内完成特征提取与识别，且面对 “逆光、侧脸” 等场景仍保持高精度，避免支付误判。

交通监控：在人流密集的地铁站、路口，该技术能快速处理多路摄像头的人脸数据，精准识别可疑人员，且设备计算成本低，普通服务器就能部署。

医疗认证：医院的患者身份认证中，部分患者可能因疾病导致面部变化（如术后肿胀），该技术的抗干扰能力能确保认证准确，避免医疗事故。

五、总结与展望

尽管该技术已表现出色，仍有两大提升方向：

训练数据选择：目前需人工划分训练集与测试集，未来可结合 “主动学习” 让模型自动筛选高质量样本，进一步降低人工成本；

分辨率鲁棒性：面对低分辨率人脸图像（如远距离监控），特征提取精度会下降，未来可加入 “超分辨率重构” 模块，提升低清图像的识别能力。

“CD-RBM+BM-ILM” 的成功，在于它没有盲目追求 “更深的网络”，而是通过 “优化特征提取效率 + 提升分类抗干扰能力” 的双引擎设计，找到精度与成本的平衡点。它证明：人脸识别的突破不一定需要 “堆参数、堆层数”，通过算法优化与模块协同，同样能实现 “又快又准” 的识别效果。

随着该技术的推广，未来我们可能会看到：手机支付更快、交通监控更准、医疗认证更安全 —— 这些看似微小的技术进步，正在悄悄改变我们的生活，让人工智能更贴近 “高效实用” 的本质。

 

---

论文链接：https://iopscience.iop.org/article/10.1088/1742-6596/1802/3/032077