基于显著性差值局部定向模式和深度卷积网络的鲁棒人脸识别

• 作者: 吴迪 李亚 胡慧
• 来源期刊: 光电子·激光
• 学科: 工学
• 关键词: 计算机应用 局部定向模式(LDP) 深度卷积网络(DCNN) 显著性 人脸识别
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 模式识别
• 页码范围: 902-909
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16136/j.joel.2017.08.0393

摘要

针对传统人脸识别算法特征提取不充分和对噪声敏感的缺点,提出了一种基于显著性差值局部定向模式(SDLDP)和深度卷积网络(DCNN)的人脸识别算法.基于信息的显著性,提出一种改进的SDLDP人脸描述方法,首先计算8个相邻边缘响应值的强度差,前k个最突出的强度差对应的方向编码为1,其他方向编码为0;然后在利用局部井型领域梯度信息的基础上,使用两组梯度值中各自最大值和次大值的方向编码成一个二位八进制数,从而形成改进的SDLDP编码,进而通过统计选出最具有显著性的SDLDP编码作为特征向量;最后将改进的SDLDP编码作为DC-NN的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网络对测试样本进行预测.仿真实验表明,相对于传统的人脸识别算法,本文算法的识别率高,并且在对抗噪声方面更具有鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡慧		33	159	7.0	11.0
2	李亚		9	21	2.0	4.0
3	吴迪		16	23	2.0	4.0