利用极限学习机的人脸活体检测方法

作者：蔡祥云^*; 王小鹏

来源：传感器与微系统, 2021, 40(12): 122-132.

DOI：10.13873/J.1000-9787(2021)12-0122-03

• 人脸活体检测
• 深度学习
• 局部感受野的极限学习机
• 正则化最小二乘法
• 泛化

针对目前人脸活体检测中手工设计特征方法提取特征单一和传统深度学习算法容易产生局部最小值和过拟合等问题,提出基于局部感受野的极限学习机(ELM-LRF)模型的人脸活体检测方法。模型首先随机生成输入权重,然后采用正则化最小二乘法解析计算出输出权重,有效解决了深度学习算法容易产生的局部最小值和过拟合问题,具有优越的泛化性能。在CASIA-FASD,NUAA数据库上分别以ELM-LRF模型与其他先进的人脸活体检测算法进行了实验对比,ELM-LRF算法具有最高的分类性能。

• 单位
  兰州交通大学