基于区域分割Haar-SIFT DBN的人脸识别

作者：史涛; 秦琴; 任红格

来源：计算机仿真, 2019, 36(03): 379-384.

• 尺度不变特征变换
• 深度信念网络
• 人脸识别

针对尺度不变特征变换(SIFT)算法在特征提取过程中特征向量维数过大、非主要特征数据冗余、匹配率低等问题,提出一种基于区域分割Haar-SIFT深度信念网络算法模型。首先,对SIFT算法进行改进,利用haar小波特征确定主方向、描述特征向量,利用圆形区域比矩形区域具有更好的旋转不变性,在圆形区域上进行区域分割,建立32维特征向量。然后,采用无监督逐层训练,并用有监督的BP网络进行微调,实现网络的自学习和自优化。最后,利用深度信念网络进行分类,识别人脸图像。将上述算法应用到ORL和FERET人脸库上,实验结果表明,在光照、模糊、旋转、姿态等因素的影响下,有效地提高了人脸识别效果以及匹配速率。

• 单位
  华北理工大学