为了提高人脸姿态识别的识别精度,设计了一种增强边缘梯度二值卷积神经网络用于识别.首先,提出ROILBC(Region of Interest Local Binary Convolution)在人脸姿态图像上提取二值特征并归类,根据二值特征图谱和原像的对比情况选择人脸姿...为了提高人脸姿态识别的识别精度,设计了一种增强边缘梯度二值卷积神经网络用于识别.首先,提出ROILBC(Region of Interest Local Binary Convolution)在人脸姿态图像上提取二值特征并归类,根据二值特征图谱和原像的对比情况选择人脸姿态图像ROI(Region of Interest)以供后续网络学习.其次,提出DR-MGPC(Dimensionality Reduced Modified Gradient Pattern Convolution)提取图像边缘梯度二值特征,在此基础上,提出Enhanced DR-LDPC(Enhanced Dimensionality Reduced Local Directional Pattern Convolution)提取图像增强边缘梯度方向特征.网络采用直方图相似度、卡方检验、常态分布比对的巴氏距离法作为测量依据来进行识别;实验在FERET和CAS-PEAL-R1数据集上进行,相比其他人脸姿态识别方法,提出的二值模式卷积神经网络在识别精度和计算效率上更优异.展开更多
文摘为了提高人脸姿态识别的识别精度,设计了一种增强边缘梯度二值卷积神经网络用于识别.首先,提出ROILBC(Region of Interest Local Binary Convolution)在人脸姿态图像上提取二值特征并归类,根据二值特征图谱和原像的对比情况选择人脸姿态图像ROI(Region of Interest)以供后续网络学习.其次,提出DR-MGPC(Dimensionality Reduced Modified Gradient Pattern Convolution)提取图像边缘梯度二值特征,在此基础上,提出Enhanced DR-LDPC(Enhanced Dimensionality Reduced Local Directional Pattern Convolution)提取图像增强边缘梯度方向特征.网络采用直方图相似度、卡方检验、常态分布比对的巴氏距离法作为测量依据来进行识别;实验在FERET和CAS-PEAL-R1数据集上进行,相比其他人脸姿态识别方法,提出的二值模式卷积神经网络在识别精度和计算效率上更优异.