基于区域分割Haar-SIFT DBN的人脸识别

摘要

针对尺度不变特征变换(SIFT)算法在特征提取过程中特征向量维数过大、非主要特征数据冗余、匹配率低等问题,提出一种基于区域分割Haar-SIFT深度信念网络算法模型.首先,对SIFT算法进行改进,利用haar小波特征确定主方向、描述特征向量,利用圆形区域比矩形区域具有更好的旋转不变性,在圆形区域上进行区域分割,建立32维特征向量.然后,采用无监督逐层训练,并用有监督的BP网络进行微调,实现网络的自学习和自优化.最后,利用深度信念网络进行分类,识别人脸图像.将上述算法应用到ORL和FERET人脸库上,实验结果表明,在光照、模糊、旋转、姿态等因素的影响下,有效地提高了人脸识别效果以及匹配速率.