一种适用于光照、姿态、表情变化的人脸识别方法

摘要

本发明公开了一种适用于光照、姿态、表情变化的人脸识别方法，本方法首先从ORL、Extend Yale B和CMU‑PIE人脸图像库中获取人脸图像并进行分块处理；其次，采用中心对称局部二值模式提取人脸图像各子块的纹理特征；再其次，将纹理特征形成纹理特征统计直方图，并输入到深度信念网络的可视层；最后，通过深度学习完成人脸图像的分类与识别。在此基础上，通过在人脸图像库的人脸识别实验，得出了不同人脸库人脸图像最佳的分块方式与最佳深度信念网络隐藏单位数，完成了与多种人脸识别方法的对比实验。本发明采用中心对称局部二值模式用于特征提取，能够降低特征提取的计算复杂度，具有较高的识别率，对于微小的光照、姿态和表情变化的影响具有一定的抑制作用。