多层次深度网络融合人脸识别算法

发布时间：2019-04-27 04:37

【摘要】：深度学习模型可以获得更具有鉴别力的人脸特征,提高人脸识别性能.因此,文中结合深度学习思想,提出多层次深度网络融合特征提取模型.在深度子空间基础上,采用"卷积-池化"网络结构,在降低特征维度的同时保留图像纹理信息,并且获得局部转换鲁棒性.同时,利用人脸标定算法获得人脸特征点,并以此划分人脸区域为5个局部人脸块.基于多层次分类策略,利用全局人脸训练全局网络,完成测试样本预分类.利用局部人脸块训练局部网络,在候选类别中完成最终分类.实验表明,结合局部特征与全局特征的模型可以取得较好的识别率,对光照、表情、姿态,遮挡等影响因素具有较好的鲁棒性,并且加入池化层及两步判别的算法可以有效提高识别率.
[Abstract]:The deep learning model can obtain more discriminating facial features and improve the performance of face recognition. Therefore, this paper proposes a multi-level deep network fusion feature extraction model based on the idea of deep learning. Based on the depth subspace, "convolution-pooling" network structure is adopted to preserve image texture information while reducing the feature dimension, and to obtain the robustness of local conversion. At the same time, face feature points are obtained by face calibration algorithm, and face regions are divided into five local face blocks. Based on multi-level classification strategy, global face training global network is used to complete pre-classification of test samples. Local face blocks are used to train local networks to complete final classification in candidate categories. Experiments show that the model combined with local features and global features can achieve a good recognition rate, and has good robustness to illumination, expression, posture, occlusion and other influencing factors. Adding pool layer and two-step discriminant algorithm can effectively improve the recognition rate.
【作者单位】： 燕山大学信息科学与工程学院;
【基金】：国家自然科学基金项目(No.61071199) 河北省自然科学基金项目(No.F2016203422)资助~~
【分类号】：TP391.41

【参考文献】

相关期刊论文 前1条

1 郭丽丽;丁世飞;;深度学习研究进展[J];计算机科学;2015年05期

【共引文献】

相关期刊论文 前10条

1 刘家益;邹益民;;近70年文本自动摘要研究综述[J];情报科学;2017年07期

2 陶峥嵘;;基于机器学习的行人检测[J];电子技术;2017年06期

3 胡正平;何薇;王蒙;孙哲;;多层次深度网络融合人脸识别算法[J];模式识别与人工智能;2017年05期

4 刘世伟;吕景楠;莫兰;;基于客户投诉信息的创新预测方法研究[J];移动通信;2017年08期

5 侯宇青阳;全吉成;王宏伟;;深度学习发展综述[J];舰船电子工程;2017年04期

6 陈志轩;周大可;黄经纬;;基于卷积神经网络的表情不变三维人脸识别[J];电子测量技术;2017年04期

7 马小晴;桑庆兵;;基于LBP和深度学习的手写签名识别算法[J];量子电子学报;2017年01期

8 管皓;薛向阳;安志勇;;在线单目标视频跟踪算法综述[J];小型微型计算机系统;2017年01期

9 杨迪威;边家文;张玉洁;;多元向量值函数求导的矩阵表示及其在人工神经网络中的应用[J];海南大学学报(自然科学版);2016年04期

10 刘栋;李素;曹志冬;;深度学习及其在图像物体分类与检测中的应用综述[J];计算机科学;2016年12期

【二级参考文献】

相关期刊论文 前7条

1 聂仁灿;姚绍文;周冬明;;基于简化脉冲耦合神经网络的人脸识别[J];计算机科学;2014年02期

2 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

3 ;MIT technology Review EmTECH[J];科技创业;2013年08期

4 赵元庆;吴华;;多尺度特征和神经网络相融合的手写体数字识别[J];计算机科学;2013年08期

5 孙志军;薛磊;许阳明;;基于深度学习的边际Fisher分析特征提取算法[J];电子与信息学报;2013年04期

6 李海峰;李纯果;;深度学习结构和算法比较分析[J];河北大学学报(自然科学版);2012年05期

7 孙志军;薛磊;许阳明;王正;;深度学习研究综述[J];计算机应用研究;2012年08期

【相似文献】

相关期刊论文 前10条

1 邹婷;下一代通信“网络融合与汇聚国际论坛暨峰会”[J];世界电信;2004年06期

2 严益强;固网与3G网络融合规划研究[J];通信世界;2005年13期

3 帅o，

本文编号：2466692