[发明专利]基于融合HOG特征和深度信念网络的人脸识别算法在审
| 申请号： | 201710961353.1 | 申请日： | 2017-10-17 |
| 公开（公告）号： | CN107818299A | 公开（公告）日： | 2018-03-20 |
| 发明（设计）人： | 张宝华;李腾;郝逸夫;赵艳峰;侯海鹏;高子翔;郭佩瑜 | 申请（专利权）人： | 内蒙古科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/48;G06K9/46;G06K9/62 |
| 代理公司： | 北京中誉威圣知识产权代理有限公司11279 | 代理人： | 蒋常雪 |
| 地址： | 014010 内*** | 国省代码： | 内蒙古;15 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 融合 hog 特征 深度 信念 网络 识别 算法 | ||
【权利要求书】：
1.一种基于融合HOG特征和深度信念网络的人脸识别算法，其特征在于：所述算法将融合的HOG特征与深度信念网络DBN相结合，选择融合的HOG特征作为DBN网络的输入，以帮助DBN网络了解图像特征的分布，提高DBN的表征能力；利用DBN训练提取的特征，减少人为干预，实现人脸识别自动化。
2.如权利要求1所述的一种基于融合HOG特征和深度信念网络的人脸识别算法，其特征在于：所述算法包括以下步骤：
1)将源图像划分为单元格：将图像分别分割成2×2、2×4和4×4的分块并提取全局特征GFhog和分块特征BFhog；计算单元格中每个像素的梯度值和边缘直方图；
2)计算图像的融合特征：通过顺序级联融合特征GFhog和分块特征BFhog，得到最终的融合特征Fhog；
3)训练DBN网络：将融合后的特征Fhog输入到DBN网络中，训练使网络达到最优，同时通过BP算法微调整个网络；
4)学习图像的高层特征和抽象特征：将测试样本的融合梯度特征Fhog输入到训练好的深度信念网络中，通过训练好的网络自下而上学习更高层更抽象的特征；
5)实现图像分类和识别：在网络顶层使用Softmax逻辑回归方法进行测试样本的分类和识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于内蒙古科技大学，未经内蒙古科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710961353.1/1.html，转载请声明来源钻瓜专利网。
