基于深度学习与二维离散小波分解特征相融合的adaboost人脸识别模型

• 作者: 黄健
• 来源期刊: 软件工程
• 学科: 工学
• 关键词: 小波变换 人脸识别 残差网络 Adaboost分类
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 方法与技术
• 页码范围: 43-46
• 页数: 4页
• 分类号: TP393
• 字数: 3437字
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2020.02.012

摘要

为了提高人脸识别的效率,本文提出了一种将小波分析、深度学习和adaboost分类器相结合的人脸识别方法.传统的基于小波变换的人脸识别算法仅仅提取了小波分解的低频分量用于分类图像的特征,为了更有效地提取人脸图像特征,提出了一种将传统特征和深度特征相融合的人脸识别算法.首先,通过二维离散小波变换函数对人脸图像进行二维离散小波变换,提取出人脸图像的低频部分作为特征值,接着通过深度残差网络提取人脸深度特征,最后将融合后的特征应用adaboost分类器进行分类识别.通过在ORL人脸库实验证明,融合后的方法能有效地提高分类识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄健	安徽建筑大学电子与信息工程学院	35	180	8.0	12.0