多层特征融合的PCANet及其在人脸识别中的应用

陈飞玥,朱玉莲,陈晓红

(1.南京航空航天大学计算机科学与技术学院,江苏 南京 211106)(2.南京航空航天大学公共实验教学部,江苏 南京 211106)(3.南京航空航天大学理学院,江苏 南京 211106)

人脸识别是目前应用最为广泛的生物特征识别技术之一. 它在安全验证、银行系统、人机交互等领域均有广泛的应用. 一般来说,人脸识别主要包括3个步骤:人脸检测、特征提取和人脸分类. 人脸检测是将人脸区域从整个图像中分割出来,以便进行后续特征提取;特征提取是从每个人脸图像中提取最具鉴别能力的特征;而人脸分类则是基于提取的特征来判别未知人脸图像是否属于某个人,或者属于哪个人. 本文的工作为特征提取和分类.

人脸识别也是计算机视觉中最具挑战性的问题之一. 因为人脸图像中不可避免地存在着不同的光照、姿态表情等变化,还可能出现不同程度的遮挡,从而出现大的类内变化和小的类间变化的情况,进而影响识别任务的性能. 为了克服这个问题,人们提出了许多基于局部特征的提取算法,典型的算法包括Gabor特征[1]、局部二值模式(LBP)[2]、尺度不变特征变换(SIFT)[3]和方向梯度直方图(HOG)特征[4]. 这些特征提取算法在一些特定的任务中取得了巨大的成功,但由于它们都是手工设计的特征,因此不能简单地应用于其他新任务. 根据“没有免费午餐定理”,一个高性能的算法必须利用数据的先验知识,因此,从数据本身来学习特征(基于学习的特征提取……