基于改进深层网络的人脸识别算法.pdfVIP

第３期 电　　子　　学　　报 Ｖｏｌ．４５　Ｎｏ．３ ２０１７年３月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ｍａｒ．　２０１７ 基于改进深层网络的人脸识别算法 李倩玉，蒋建国，齐美彬 （合肥工业大学计算机与信息学院，安徽合肥２３０００９） 　　摘　要：　目前的人脸识别算法在其特征提取过程中采用手工设计（ｈａｎｄｃｒａｆｔｅｄ）特征或利用深度学习自动提取 特征．本文提出一种基于改进深层网络自动提取特征的人脸识别算法，可以更准确地提取出目标的鉴别性特征．算法 首先对图像进行ＺＣＡ（ＺｅｒｏｍｅａｎＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ）白化等预处理，减小特征相关性，降低网络训练复杂度．然后，基 于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器．所使用的卷积核是通过单独的无监督学习获得的．此改 进的深层网络通过预训练和微调，得到一个自动的深层特征提取器．最后，利用Ｓｏｆｔｍａｘ回归模型对提取的特征进行分 类．本文算法在多个常用人脸库上进行了实验，表明了其在性能上比传统方法和普通深度学习方法都有所提高． 关键词：　人脸识别；改进的深层网络；卷积；池化；多层稀疏自动编码器 中图分类号：　ＴＰ３９１　　　文献标识码：　Ａ　　　文章编号：　０３７２２１１２（２０１７）０３０６１９０７ 电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１７．０３．０１７ ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＤｅｅｐＮｅｔｗｏｒｋｓ ＬＩＱｉａｎｙｕ，ＪＩＡＮＧＪｉａｎｇｕｏ，ＱＩＭｅｉｂｉｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆Ｉｎｆｏｒｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ，Ａｎｈｕｉ２３０００９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｃｕｒｒｅｎｔｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｓｕｓｅｈａｎｄｃｒａｆｔｅｄｆｅａｔｕｒｅｓｏｒｅｘｔｒａｃｔｆｅａｔｕｒｅｓｂｙｄｅｅｐｌｅａｒｎｉｎｇ．Ｔｈｉｓｐａ ｐｅｒｐｒｅｓｅｎｔｓａｆａｃｅｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｄｅｅｐｎｅｔｗｏｒｋｓｔｈａｔｃａｎａｕｔｏｍａｔｉｃａｌｌｙｅｘｔｒａｃｔｔｈｅｄｉｓｃｒｉｍｉｎａｔｉｖｅ ｆｅａｔｕｒｅｓｏｆｔｈｅｔａｒｇｅｔｍｏｒｅａｃｃｕｒａｔｅｌｙ．Ｆｉｒｓｔｌｙ，ｔｈｉｓａｌｇｏｒｉｔｈｍｕｓｅｓＺＣＡ（ＺｅｒｏｍｅａｎＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ）ｗｈｉｔｅｎｉｎｇｔｏｐｒｅ ｐｒｏｃｅｓｓｔｈｅｉｎｐｕｔｉｍａｇｅｓｉｎｏｒｄｅｒｔｏｒｅｄｕｃｅｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｆｅａｔｕｒｅｓａｎｄｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｔｈｅｔｒａｉｎｉｎｇｎｅｔｗｏｒｋｓ． Ｔｈｅｎ，ｉｔｏｒｇａｎｉｃａｌｌｙｃｏｍｂｉｎｅｓｃｏｎｖｏｌｕｔｉｏｎ，ｐｏｏｌｉｎｇａｎｄｓｔａｃｋｅｄｓｐａｒｓｅａｕｔｏｅｎｃｏｄｅｒｔｏｇｅｔａｄｅｅｐｎｅｔｗｏｒｋｆｅａｔｕｒｅｅｘｔｒａｃｔｏｒ． Ｔｈｅｃｏｎｖｏｌｕｔｉｏｎｋｅｒｎｅｌｓａｒｅａｃｈｉｅｖｅｄｔｈｒｏｕｇｈａｓｅｐａｒａｔｅｕｎｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇｍｏｄｅｌ．Ｔｈｅｉｍｐｒｏｖｅｄｄｅｅｐｎｅｔｗｏｒｋｓｇｅｔａｎ ａｕｔｏｍａｔｉｃｄｅｅｐｆｅａｔｕｒｅｅｘｔｒａｃｔｏｒｔｈｒｏｕｇｈｐｒｅｌｉｍｉｎａｒｙｔｒａｉｎｉｎｇａｎｄｆｉｎｅｔｕｎｉｎｇ．Ｆｉｎａｌｌｙ，ｔｈｅｓｏｆｔｍａｘｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌｉｓｕｓｅｄｔｏ ｃｌａｓｓｉｆｙｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｉｓｔｅｓｔｅｄｏｎｓｅｖｅｒａｌｃｏｍｍｏｎｌｙｕｓｅｄｆａｃｅｄａｔａｂａｓｅｓ．Ｉｔｉｓｉｎｄｉｃａｔ