基于多样本扩充的卷积神经网络人脸识别算法

摘要

为了更好地提取人脸特征,提高人脸识别率,提出一种基于多样本扩充的卷积神经网络CNN(Convolutional Neural Network)人脸识别算法。CNN网络能够自动提取图像深度特征,但是面对有限的人脸样本数,如何提取足够的人脸特征是人脸识别所要面对的重要问题。论文提出的新算法首先利用人脸的镜面性生成镜面图像,分别对同一类中任意的两个原始样本与镜像样本,取它们的平滑中值样本构造新的虚拟样本,将新生成的镜像样本与两类平滑中值样本作为新的训练样本集输入CNN网络得到更新的权值,然后通过目的训练样本集训练CNN提取更多隐藏的人脸图像特征,最后使用支持向量机SVM(Support Vector Machine)特征提取后进行分类。通过CNN网络和SVM能够提取更多有效的人脸特征,通过实验证明,该算法在人脸库上取得了较高的人脸识别率,具有较好的实际应用效果。