基于深度學(xué)習(xí)的人臉識(shí)別算法.pdf

1、在研究人臉識(shí)別技術(shù)的過程中，針對淺度特征（LBP、SIFT、HOG、Gabor等）對人臉特征表達(dá)效果不理想的問題，提出了一種基于多特征融合的深度學(xué)習(xí)人臉識(shí)別方法。該方法首先要用局部二值算法提取人臉局部紋理特征，然后對深度網(wǎng)絡(luò)模型進(jìn)行構(gòu)建，并利用深度卷積網(wǎng)絡(luò)的共享權(quán)值和池化、下采樣等技術(shù)降低模型的復(fù)雜度。在構(gòu)建后的模型頂層形成人臉圖像特征分類面，通過訓(xùn)練后得到完好的深度網(wǎng)絡(luò)模型，利用該模型對人臉圖像進(jìn)行特征提取，能夠有效的完成對人臉圖像的

2、識(shí)別。實(shí)驗(yàn)效果很好的證明了基于多特征融合的深度學(xué)習(xí)人臉識(shí)別方法對人臉特征表達(dá)效果良好，顯著提高了人臉識(shí)別的準(zhǔn)確率。
　　本文首先介紹人臉識(shí)別的基本原理，描述人臉識(shí)別處理的流程和常見的方法。闡述深度學(xué)習(xí)的原理和理論，詳細(xì)分析三種常見的深度網(wǎng)絡(luò)模型，并通過對手寫字符識(shí)別進(jìn)行比較它們的性能和實(shí)驗(yàn)效果，探討模型的大小對深度網(wǎng)絡(luò)模型的性能和實(shí)驗(yàn)效果的影響。接著描述淺度特征局部二值模式(LBP)的基本原理，并通過對人臉識(shí)別進(jìn)行研究探討LBP模

3、型的魯棒性特性和實(shí)驗(yàn)效果。最后著重研究多特征融合的深度網(wǎng)絡(luò)模型對人臉識(shí)別的方法，并通過實(shí)驗(yàn)對不同的人臉識(shí)別方法進(jìn)行對比。
　　本文的主要工作如下:
　　1、對深度學(xué)習(xí)中常用的特征提取算法進(jìn)行剖析，分析各算法的優(yōu)缺點(diǎn)。通過仿真實(shí)驗(yàn)對各算法的特征表達(dá)效果及運(yùn)行時(shí)間進(jìn)行對比，并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。闡述了深度學(xué)習(xí)的由來、發(fā)展現(xiàn)狀以及尚未解決的理論性問題。
　　2、研究深度學(xué)習(xí)在人臉識(shí)別中的應(yīng)用。將融合深度特征和淺度特征應(yīng)用于人