基于深度神经网络的特征加权融合人脸识别方法

发布时间：2017-08-30 15:11

  本文关键词：基于深度神经网络的特征加权融合人脸识别方法

  更多相关文章： 人脸识别 非限制条件 深度信念网络 加权融合 主动形状模型

【摘要】：针对目前难以提取到适合用于分类的人脸特征以及在非限条件下进行人脸识别准确率低的问题,提出了一种基于深度神经网络的特征加权融合人脸识别方法(DLWF)。首先,应用主动形状模型(ASM)提取出人脸面部的主要特征点,并根据主要特征点对人脸不同器官区域进行采样;然后,将所得采样块分别输入到对应的深度信念网络(DBN)中进行训练,获得网络最优参数;最后,利用Softmax回归求出各个区域的相似度向量,将多区域的相似度向量加权融合得到综合相似度评分进行人脸识别。经ORL和WFL人脸库上进行实验验证,DLWF算法的识别准确率分别达到97%和88.76%,与传统算法主成分分析(PCA)、支持向量机(SVM)、DBN及FIP+线性判别式分析(LDA)相比,无论是限制条件还是非限制条件下,识别率均有提高。实验结果表明,该算法具有高效的人脸识别能力。
【作者单位】： 辽宁工程技术大学电子与信息工程学院;辽宁省数字化矿山装备工程技术研究中心;
【关键词】： 人脸识别 非限制条件 深度信念网络 加权融合 主动形状模型
【基金】：国家科技支撑计划项目(2013BAH12F02)~~
【分类号】：TP391.41;TP183
【正文快照】： 0引言人脸识别一直是计算机视觉与模式识别领域的研究热点。未经降维的人脸图像特征维度较高,进行正确识别难度大,所以设计有效的人脸图像特征提取器成为传统人脸识别方法的关键。最典型的方法为主成分分析(PrincipalComponents Analysis,PCA)法[1],其基本思想为先把人脸图像

【相似文献】

中国期刊全文数据库 前10条

1 胡小生;钟勇;;一种两层加权融合的排序算法[J];计算机应用;2012年12期

2 刘准钆;程咏梅;潘泉;苗壮;;多传感器冲突信息的加权融合算法[J];传感技术学报;2009年03期

3 刘海斌;宫峰勋;;一种改进的多传感器加权融合算法[J];电子产品世界;2009年12期

4 邓蕴昊;张纳温;;一种改进的加权融合算法[J];弹箭与制导学报;2008年06期

5 唐俊;张明清;;基于信息熵的先验信息加权融合方法研究[J];微计算机信息;2009年18期

6 李妍妍;张伟;陈明燕;;一种基于航迹隶属度的动态加权融合算法[J];计算机应用研究;2013年05期

7 李盼;杨风暴;王肖霞;樊庆英;;复合材料拉托力预测中标准差加权融合算法[J];电子测试;2012年03期

8 潘爽;马林立;赵张南;;组合导航系统稳健加权融合法在单点定位中应用[J];自动化技术与应用;2006年12期

9 潘爽;马林立;;多传感器稳健加权融合算法研究[J];传感器与微系统;2007年05期

10 黄细凤;吴钦章;;加权融合法处理无序量测问题[J];计算机工程与应用;2012年30期

中国重要会议论文全文数据库 前1条

1 景博;孙勇;;基于集中式最优加权算法的多传感器数据融合[A];2004全国测控、计量与仪器仪表学术年会论文集（下册）[C];2004年

中国硕士学位论文全文数据库 前1条

1 于鸿江;基于加权融合算法的高铁速度信息融合技术的研究[D];兰州交通大学;2014年

，

本文编号：760006