基于深度置信網絡的人臉識別方法研究

沈陽理工大學信息科學與工程學院 魏英姿 張天浩 TETE Komlan Senyo

基于深度置信網絡的人臉識別方法研究

沈陽理工大學信息科學與工程學院 魏英姿 張天浩 TETE Komlan Senyo

利用深度學習進行人臉識別已成為了當今人工智能領域的重要研究方向。本文采用深度學習的DBN網絡進行人臉識別，融合了局部二值模式LBP算子的穩定特征，將提取到的局部紋理特征作為DBN輸入特征，有助于DBN對圖像特征分布的理解，降低網絡學習到不利的特征的。訓練時采用無監督貪婪訓練的方法逐層訓練限制玻爾茲曼機（RBM），得到權重、偏置等參數并利用訓練結果初始化整個網絡，計算出代價函數，設置一層誤差反向網絡，進行微調。用ORL人臉數據庫，并添加隨機采樣的人臉數據進行識別，識別正確率是令人滿意的。

限制玻爾茲曼機；深度置信網絡；LBP算子；人臉識別

引言

人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術。深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，分為卷積神經網絡、深度置信網絡以及稀疏自編碼網絡三大模塊[1]。

本文實驗將LBP與DBN相結合，克服了深度置信網絡不能學習到人臉圖像局部結構特征的缺點，使得深度置信網絡學習到的抽象特征受光照、微小平移等的影響較小。通過DBN對輸入數據進行訓練，并進行判別，有效避免了部分因素干預。并且在網絡中，沒有設置相關學習率，而是通過誤差網絡以及代價函數，讓網絡得到一個最優解。……