融合深度学习与最大间距准则的人脸识别方法

• 作者: 栗科峰 黄全振
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人脸识别 深度学习 最大间距准则 最小二乘估计
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 206-210
• 页数: 5页
• 分类号: TP391.4
• 字数: 4366字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1708-0258

摘要

当前,人脸识别技术遇到的突出问题是光照、姿态、遮挡和表情等因素所引起的识别精度的下降,这些问题是人脸识别系统不完美的主要原因,深度学习是一种新的方法,可有效解决这些问题.首先通过引入深度学习算法进行多层次的学习,然后提取高层特征进行人脸描述,最后应用最大间距准则减小最小二乘估计产生的重建误差,实现有效的面部识别分类.该算法在ORL、CAS-PEAL和扩展Yale-B人脸数据库中进行了不同光照、姿态、遮挡、表情和容貌特征变化条件下的仿真实验.结果表明,所提出的算法比传统线性分类算法具有更高的效率和准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄全振	河南工程学院电气信息工程学院	30	76	5.0	8.0
2	栗科峰	河南工程学院电气信息工程学院	12	33	3.0	5.0