无监督局部特征学习的鲁棒性人脸识别

• 作者: 冯姝
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 人脸识别 卷积网络框架 K均值 空间平均值池化 线性回归
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 512-516
• 页数: 5页
• 分类号: TP391.41
• 字数: 5791字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.02.0512

摘要

特征表示是人脸识别的关键问题,由于人脸图像在拍摄过程中受光照、遮挡、姿势等因素的影响,如何提取鲁棒的图像特征成了研究的重点.受卷积网络框架的启发,结合K-means算法在卷积滤波器学习中所具有的效果稳定、收敛速度快等优点,提出了一种简单有效的人脸识别方法,主要包含三个部分:卷积滤波器学习、非线性处理和空间平均值池化.具体而言,首先在训练图像中提取局部图像块,预处理后,使用K-means算法快速学习滤波器,每个滤波器与图像进行卷积运算;然后通过双曲正切函数对卷积图像进行非线性变换;最后利用空间平均值池化对图像特征进行去噪和降维.分类阶段仅采用简单的线性回归分类器.在AR和ExtendedYaleB数据集上的评估实验结果表明所提方法虽然简单却非常有效,而且对光照和遮挡表现出了强鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯姝	重庆大学数学与统计学院	1	2	1.0	1.0