基于多特征融合CNN的人脸识别算法研究

摘要

针对传统卷积网络结构或使用单一特征融合方法进行人脸识别存在特征提取不全、训练准确率低的问题,提出一种基于多特征融合卷积神经网络(CNN)的人脸识别算法.算法在LeNet5结构基础上,通过不同卷积层映射图融合、多个特征核映射图融合和浅层纹理的轮廓特征和深层高级特征相融合,增加输出通道数,进而提高图像整体的语义信息.针对relu激活函数在神经网络训练过程中丢失负轴信息的缺陷,算法引入leaky relu激活函数.通过在ORL、AR、FERET三个人脸库上分别对LeNet5卷积神经网络结构、单一特征融合与算法进行对比实验.实验结果表明:算法通过多特征融合提取的特征信息更广,识别准确率高于单一特征融合,引入leaky relu激活函数后,网络收敛效果更好,同时,对遮挡、光照等干扰具有鲁棒性.