基于一种卷积神经式类网络的实时人脸识别方法研究

摘要

近年来，人脸识别技术于近年来快速发展且逐渐受到重视。若以传统的特征获取方法达到人脸识别，如局部二值模式(Local Binary Pattern, LBP)，需搜集大量训练数据，且其训练模型大小容易受数据量影响，使该人脸识别系统计算时间延长，影响使用效率。本文提出的三阶段串联式人脸检测器以及基于最近特征空间转换(Nearest Feature Line, NFL)的人脸识别方法，采用卷积式类神经网络(Convolutional Neural Network, CNN)所产生的特征映像(Feature Map, FM)作为串联式分类器(Adaboost)的输入数据。通过实验结果分析，提出的方法能利用较少的弱分类器建置出一个检测速度快的人脸检测器。在人脸识别方面，本文提出一种最近特征空间转换，该方法是以点到点、点到线、点到面等最近距离的向量作为共变异数计算的基础，其所构成的共变异数矩阵具有较佳的特征空间，即此特征空间较传统点到点所求得的特征空间让投影到其中的样本点更具有一般性与代表性。该方法被应用于实际检测，适应性和精度都较好。.