文献类型：期刊文章

作　　者：栗科峰[1] 黄全振[1]

机构地区：[1]河南工程学院电气信息工程学院,郑州451191

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61403123);河南省高校科技创新人才支持计划(No.17HASTIT020)

年　　份：2018

卷　　号：54

期　　号：5

起止页码：206-210

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：当前,人脸识别技术遇到的突出问题是光照、姿态、遮挡和表情等因素所引起的识别精度的下降,这些问题是人脸识别系统不完美的主要原因,深度学习是一种新的方法,可有效解决这些问题。首先通过引入深度学习算法进行多层次的学习,然后提取高层特征进行人脸描述,最后应用最大间距准则减小最小二乘估计产生的重建误差,实现有效的面部识别分类。该算法在ORL、CAS-PEAL和扩展Yale-B人脸数据库中进行了不同光照、姿态、遮挡、表情和容貌特征变化条件下的仿真实验。结果表明,所提出的算法比传统线性分类算法具有更高的效率和准确度。

关 键 词：人脸识别 深度学习  最大间距准则 最小二乘估计

分 类 号：TP391.4]