首页 | 本学科首页   官方微博 | 高级检索  
     

基于显著性差值局部定向模式和深度卷积网络的鲁棒人脸识别
引用本文:吴迪,胡慧,李亚.基于显著性差值局部定向模式和深度卷积网络的鲁棒人脸识别[J].光电子.激光,2017(8):902-909.
作者姓名:吴迪  胡慧  李亚
作者单位:湖南工程学院 电气信息学院,湖南 湘潭 411004 ;湖南工程学院 ,电气信息学院,风力发电机组及控制湖南省重点实验室,湖南 湘潭 411004 ;湖南风电 装备与电能变换协同创新中心,湖南 湘潭 411004,湖南工程学院 电气信息学院,湖南 湘潭 411004,湖南工程学院 电气信息学院,湖南 湘潭 411004
基金项目:国家自然基金(61263031,0)、湖南省自然科学基金(16JJ6025)、湖南省教育厅(14k029,5A044,6K024)和湖南工程学院博士科研启动基金(15045)资助项目 (1.湖南工程学院 电气信息学院,湖南 湘潭 411004; 2.湖南工程学院 ,电气信息学院,风力发电机组及控制湖南省重点实验室,湖南 湘潭 411004; 3.湖南风电 装备与电能变换协同创新中心,湖南 湘潭 411004)
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缺点,提出了一种基于显著性差值局 部定向模式(SDLDP) 和深度卷积网络(DCNN)的人脸识别算法。基于信息的显著性,提出一种改进的SDLDP人脸描 述方法,首先计算8个相邻边缘响应值的强度差,前k个最突出的 强度差对应的方向编码为1,其他方向编码为0;然后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一个二位八进制数,从而形成改进 的SDLDP编码,进而通过统计选出最具有显著性的SDLDP编码作为特征向量;最后将改进的SD LDP编码作为DCNN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,相对于传统的人脸识别算法,本文算法的识别率高 ,并且在对抗噪声方面更具有鲁棒性。

关 键 词:计算机应用    局部定向模式(LDP)    深度卷积网络(DCNN)    显著性    人脸识别
收稿时间:2016/8/16 0:00:00

Roboust face recognition based on significance difference local directional patt ern and deep convolution neural network
WU Di,HU Hui and LI Ya.Roboust face recognition based on significance difference local directional patt ern and deep convolution neural network[J].Journal of Optoelectronics·laser,2017(8):902-909.
Authors:WU Di  HU Hui and LI Ya
Affiliation:College of Electrical and Information Engineering,Hunan Institute of Enginee ring,Xiangtan 411004,China ;Hunan Provincal Key Laboratory of Wind Generator a nd its Control,College of Electrical and Information,Hunan Institute of Engin eering,Xiangtan 411004,China ;Cooperative Innovation Center of Wind Power Equi pment and Energy Conversion,Xiangtan 411004,China,College of Electrical and Information Engineering,Hunan Institute of Enginee ring,Xiangtan 411004,China and College of Electrical and Information Engineering,Hunan Institute of Enginee ring,Xiangtan 411004,China
Abstract:
Keywords:computer application  local directional pattern (LDP)  deep learning neural netw ork (DLNN)  significance  face recognition
点击此处可从《光电子.激光》浏览原始摘要信息
点击此处可从《光电子.激光》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号