杨 瑞, 张云伟, 苟 爽, 支艳利
(昆明理工大学 信息工程与自动化学院,云南 昆明 650504)
Gabor特征与深度信念网络结合的人脸识别方法*
杨 瑞, 张云伟, 苟 爽, 支艳利
(昆明理工大学 信息工程与自动化学院,云南 昆明 650504)
提出了一种基于Gabor特征和深度信念网络(DBN)的人脸识别方法,通过提取Gabor人脸图像的不同尺度图进行卷积融合,将融合后的特征图作为DBN的输入数据,训练多层来获得更加抽象的特征表达,整个训练的过程中采用交差熵来微调DBN,模型的最顶层结合Softmax回归分类器对抽取后的特征进行分类。在AR人脸库测试的实验结果表明:将Gabor特征与DBN结合应用于人脸识别,其准确率可高达92.7%,与其他浅层学习模型相比,DBN学习了数据的高层特征的同时还降低了特征维数,提高了分类器的分类精度,最终有效改善了人脸识别率。
Gabor特征; 深度学习; 受限玻尔兹曼机; 深度信念网络; Softmax回归分类器
人脸识别是模式识别和计算机视觉领域的研究热点,作为一种重要生物识别技术,在信息安全领域有着很好的应用前景。
近年来,基于局部的人脸特征提取研究成果主要包括局部二值模式(local binary pattern,LBP)[1]、Gabor小波[2]以及方向梯度直方图(histogram of oriented gradient,HOG)[3]方法等。Gabor小波对位置误差、光线等因素具有强的鲁棒性,可提供良好的方向选择性和尺度选择性,可以很好地描述图像的纹理信息,这些优点使其成为目前最使其主流的人脸特征提取方法。文献[4] 有效地结合了Gabor小波的特征抽取能力和支持向量机(SVM)的分类能力进行人脸识别;……