文献类型：期刊文章

作　　者：周鑫燚[1] 张军朝[2] 甘胜江[1]

ZHOU Xin-yi;ZHANG Jun-chao;GAN Sheng-jiang(College of Computer Science,Chengdu Normal University,Chengdu 611130,China;College of Electrical and Power Engineering,Taiyuan University of Technology,Taiyuan 030024,China)

机构地区：[1]成都师范学院计算机科学系,四川成都611130 [2]太原理工大学电气与动力工程学院,山西太原030024

出　　处：《计算机工程与设计》

基　　金：四川省科技厅应用基础基金项目(2015JY0071);成都师范学院高层次引进人才专项科研基金项目(YJRC2014-9);成都师范学院自然科学类培育基金项目(CS14ZD02);山西省重大专项基金项目(20131101029)

年　　份：2018

卷　　号：39

期　　号：10

起止页码：3272-3277

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决光照、姿态、表情、遮挡等变化引起的人脸识别率下降问题,提出一种融合局部方向模式和卷积神经网络的人脸识别方法。采用主动形状模型定位面部区域的关键点位置,校正面部姿态,去除干扰区域,规范面部图像尺寸;对规范化的面部图像进行局部方向模式变换,降低光照影响;在局部方向模式图像上提取五官部位的局部方向特征,在约简局部方向模式图像上采用卷积神经网络提取全局特征,融合构成多模式人脸特征;采用随机森林方法对特征进行学习和分类,实现人脸识别。在ORL、AR和YALE-B数据集上的人脸识别实验结果表明,提出方法的识别率高,对光照、姿态、表情和遮挡变化的鲁棒性强。

关 键 词：人脸识别 局部方向模式  卷积神经网络 随机森林  主动形状模型

分 类 号：TP391]