10.3969/j.issn.1672-9870.2021.05.014
基于卷积神经网络和PCA的低分辨率人脸识别
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.
低分辨率;人脸识别;卷积神经网络;识别准确率
44
TP391(计算技术、计算机技术)
吉林省科技支撑项目;吉林省科技创新中心项目
2021-11-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
86-92