首页> 中文期刊> 《光电子.激光》 >基于显著性局部定向模式和深度学习的鲁棒人脸识别

基于显著性局部定向模式和深度学习的鲁棒人脸识别

         

摘要

针对传统人脸识别算法特征提取不充分和对噪声敏感的问题,提出了一种基于显著性局部定向模式(SLDP)和深度学习(DL)的人脸识别算法。首先基于信息的显著性提出一种改进的SLDP人脸描述方法,在利用局部井型领域梯度信息的基础上,使用两组梯度值中各自最大值和次大值的方向编码成二位八进制数,从而形成改进的SLDP编码,通过统计选出最具有显著性的SLDP编码作为特征向量;然后将改进的SLDP编码作为深度神经网络(DBN)的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网络对测试样本进行预测。仿真实验表明,本文所提出的人脸识别算法相对于传统识别算法识别率高,并且在对抗噪声方面比其它算法更具有鲁棒性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号