基于卷积神经网络和PCA的低分辨率人脸识别

摘要：

针对真实场景下采集的人脸图像受环境、设备影响导致分辨率低且图像识别率较低的问题,应用深度学习技术,提出一种基于卷积神经网络(CNN)和主成分分析(PCA)的低分辨率人脸识别算法.首先利用图像超分辨率重构将低分辨率图像重建为高分辨率图像;其次利用CNN提取重建后人脸图像特征,对损失函数进行优化;再利用PCA对特征进行降维,得到更优的分类特征;最后利用支持向量机(SVM)、向量间距离等算法筛选出最优人脸分类并计算准确率.实验表明,该算法在LFW和FERET上均取得更好的识别效果,当人脸图像分辨率下降到8×8时,准确率仍能到达94.5％,优于其他算法并且降低了运算时间.

关键词：低分辨率;人脸识别;卷积神经网络;识别准确率

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技支撑项目;吉林省科技创新中心项目

在线出版日期：2021-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：86-92