本发明涉及了一种基于井字形LBP和深度学习相结合的人脸识别方法,属于人工智能技术领域,针对传统局部二值模式(LBP)特征提取不充分和分类器拟合的问题,提出一种基于局部纹理特征的井字形局部二值模式(LBP)和深度学习的人脸识别方法,利用改进的LBP算法提取人脸图像局部纹理特征,建立LBP直方图;然后构建基于深度信念网络的深度学习架构,将LBP直方图输入到深度信念网络中,采用无监督逐层训练法和有监督BP算法去训练网络,实现网络的自学习和自优化,得到网络参数;最后,利用DBN分类、识别人脸图像。本发明能够提取到具有区分性的人脸图像纹理特征,验证了该算法在识别率的优越性并且具有较强的鲁棒性。
一种基于LBP和深度学习的人脸识别方法,其特征在于包括如下步骤:采用井字形LBP提取每一个子块的LBP直方图,将每个子块的直方图首尾相连形成样本总体直方图;将训练样本的LBP特征输入到DBN的可视层,训练第一个RBM,将第一个RBM的输出作为第二个RBM的输入训练第二个RBM,重复该过程直到训练完所有的RBM,以获取最优网络参数,用BP算法微调整个网络参数。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2309615.html,转载请声明来源钻瓜专利网。