基于显著性局部定向模式和深度学习的鲁棒人脸识别
针对传统人脸识别算法特征提取不充分和对噪声敏感的问题,提出了一种基于显著性局部定向模式(SLDP)和深度学习(DL)的人脸识别算法.首先基于信息的显著性提出一种改进的SLDP人脸描述方法,在利用局部井型领域梯度信息的基础上,使用两组梯度值中各自最大值和次大值的方向编码成二位八进制数,从而形成改进的SLDP编码,通过统计选出最具有显著性的SLDP编码作为特征向量;然后将改进的SLDP编码作为深度神经网络(DBN)的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网络对测试样本进行预测.仿真实验表明,本文所提出的人脸识别算法相对于传统识别算法识别率高,并且在对抗噪声方面比其它算法更具有鲁棒性.
计算机应用、局部定向模式(LDP)、深度学习(DL)、显著性、人脸识别
27
TP391.41(计算技术、计算机技术)
国家科技支撑计划;国家自然科学基金;国家自然科学基金;湖南省自然科学基金;湖南省自然科学基金;教育厅项目;教育厅项目;国家自然科学基金;湖南工程学院博士科研启动基金
2016-07-11（万方平台首次上网日期，不代表论文的发表时间）
655-661
