一种改善光照对深度人脸识别影响的方法

• 作者: 贺辉 陈思佳 黄静
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 人脸识别 深度学习 光照 视网膜大脑皮层增强
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 38-41
• 页数: 4页
• 分类号: TP301
• 字数: 3349字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.04.008

摘要

在人脸识别领域,消除光照变化的不利影响一直以来都是一个难以解决的问题.而与过去的机器学习模型不同,深度学习模型的结构具有和人类视觉神经结构相似的特性.这虽然使模型表现出了非常好的识别效果,但也使模型变得难以解释,以至于以往的人脸光照预处理方法不再可靠.考虑到卷积神经网络具有生物视觉神经的特点,文中在带彩色恢复的多尺度视网膜增强(MSRCR)方法的基础上,结合对比度增强处理,提出了一种类视网膜大脑皮层增强法,以改善基于深度学习的人脸识别模型中光照不均造成的错误识别问题.同时,与基于子空间统计的方法、基于光照不变表示的方法、基于直方图均衡化方法进行了多组对比实验,结果显示该方法比其他方法更有效,可使深度学习模型的识别率显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄静	北京师范大学珠海分校信息技术学院	45	194	7.0	11.0
2	贺辉	北京师范大学珠海分校信息技术学院	19	76	5.0	8.0
3	陈思佳	北京师范大学珠海分校信息技术学院	1	1	1.0	1.0