基于深度學習的人臉識別算法.pdf

1、在研究人臉識別技術(shù)的過程中，針對淺度特征（LBP、SIFT、HOG、Gabor等）對人臉特征表達效果不理想的問題，提出了一種基于多特征融合的深度學習人臉識別方法。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)絡模型進行構(gòu)建，并利用深度卷積網(wǎng)絡的共享權(quán)值和池化、下采樣等技術(shù)降低模型的復雜度。在構(gòu)建后的模型頂層形成人臉圖像特征分類面，通過訓練后得到完好的深度網(wǎng)絡模型，利用該模型對人臉圖像進行特征提取，能夠有效的完成對人臉圖像的

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

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