基于深度学习与特征融合的人脸识别算法

• 作者: 司琴 李菲菲 陈虬
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 特征提取 特征融合 卷积神经网络 SDFVGG 局部二值模式 人脸识别
• 年，卷（期）: 2020,（4）
• 页码范围: 18-22
• 页数: 5页
• 分类号: TP391
• 字数: 3231字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2020.04.004

摘要

卷积神经网络在人脸识别研究上有较好的效果,但是其提取的人脸特征忽略了人脸的局部结构特征.针对此问题,文中提出一种基于深度学习与特征融合的人脸识别方法.该算法将局部二值模式信息与原图信息相结合作为SDFVGG网络的输入,使得提取的人脸特征更加丰富且更具表征能力.其中,SDFVGG网络是将VGG网络进行深浅特征相融合后的网络.在CAS-PEAL-R1人脸数据库上的实验表明,将网络深浅特征相融合与在卷积神经网络中加入LBP图像信息与原图信息相融合的特征信息对于提高人脸识别准确率非常有效,可得到优于传统算法和一般卷积神经网络的最高98.58％人脸识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李菲菲	上海理工大学光电信息与计算机工程学院	21	44	4.0	5.0
2	陈虬	上海理工大学光电信息与计算机工程学院	17	40	4.0	5.0
3	司琴	上海理工大学光电信息与计算机工程学院	1	1	1.0	1.0