基于Gabor调制的深度多层子空间人脸识别算法

人脸识别的关键在于特征提取，过去主要从完美的低维特征子空间来刻画高维图像，但是近年来深度学习模型为特征提取提供新方向。本文提出在Gabor特征描述子调制下的深度子空间模型，在深度子空间这一新型深度学习框架基础上，使用Gabor滤波器组处理图像，并构建深度特征提取多层网络，得到Gabor调制下的深层抽象特征。首先将传统的8个方向5个尺度的40个Gabor滤波器在尺度上进行压缩得到8个基本Gabor滤波器组；然后将经过Gabor滤波的描述特征分别送入深度化改造的子空间模型，得到图像的深层特征表示；其次将这些特征进行哈希编码，直方图分块，作为描述特征。本文在FERET、ORL、CMU_PIE等数据库上讨论加入Gabor滤波器调制后的深度多层子空间特征提取模型在人脸识别问题上性能的提升，实验结果表明，该算法可以取得较好的识别率，并对光照、表情、姿态等有很好的鲁棒性，能够弥补浅层网络易受训练图像影响的缺点。 

Face Feature Extraction Algorithm Based on Deep Subspace? with Gabor Filter Modulation