一种仿生的人脸不变特征提取方法

摘要

为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法。通过模拟初级视皮层（V1）的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征。网络的第1层模拟V1简单细胞的功能,通过稀疏编码方法学习获得一组类似V1简单细胞的滤波器,利用该组滤波器提取图像的光照不变特征;第2层模拟V1复杂细胞的功能,通过局部极大值运算对第1层的输出在空间和尺度邻域内进行合并,得到对光照、表情、轻微姿态变化和面部局部细节变化具有鲁棒性的人脸不变特征。以此不变特征代替原始人脸图像作为子空间算法的输入,从而提高识别率。在FERET和ORL人脸库上的实验表明,相对于直接使用子空间算法,方法将识别率提高了4.95%~20.35%。