传统人脸识别算法特征表征能力差,且对光线变化和噪声干扰敏感.为了克服这些问题,提高人脸识别的准确性,本文提出了一种基于改进卷积神经网络模型的人脸识别算法.该模型先通过分块局部二值模式提取人脸图像的纹理特征,然后将得到的纹理特征作为卷积网络的输入,在卷积网络中提取各池化层处理后得到的特征,利用提取的特征并在全连接层进行级联融合,得到最终的分类特征,最后利用Softmax分类器分类识别.实验中,将人脸库旋转不同的角度来扩充数据库和验证算法的鲁棒性,分别在ORL,YALE,AR 3个数据库进行实验,本文算法正确识别率分别达到了98.6%,95.6%,98.9%,高于经典识别算法,鲁棒性也优于对比算法.
10.16559/j.cnki.2095-2295.2018.02.011
TP391.41