-
题名基于扩展的PCANet的有遮挡人脸识别方法
- 1
-
-
作者
秦娥
卢天宇
李卫锋
刘银伟
朱娅妮
李小薪
-
机构
浙江工业大学计算机科学与技术学院
浙江华通云数据科技有限公司
杭州电子科技大学计算机学院
-
出处
《高技术通讯》
北大核心
2025年第2期134-144,共11页
-
基金
国家自然科学基金(62271448)
浙江省自然科学基金(LGF22F020027)资助项目。
-
文摘
针对有遮挡人脸识别问题,本文将现有的卷积神经网络(convolutional neural networks,CNN)模型与主成分分析模型(principal component analysis network,PCANet)相结合,提出了扩展的PCANet(extended PCANet,xPCANet)模型。为了有效消除人脸图像中可能包含的遮挡信息造成的影响,通常需要充分利用网络的底层特征并构建尽可能丰富的特征。PCANet的2个不足在于:(1)由于正交性约束,各卷积层的滤波器高度相似,降低了滤波器响应的多样性;(2)在进行模式图编码时,对特征图进行了二值化处理,并采用了跨度较大的编码方式,从而丢弃了过多的信息。为了使PCANet能够更好地适配现有的CNN模型,在PCANet模型中引入了2个稠密连接:(1)在各卷积层之间引入了稠密连接,以充分利用底层卷积层提取的特征,并尽可能降低卷积层之间滤波器的相似性;(2)在PCANet的模式图编码阶段引入了加权稠密编码,以充分利用卷积层输出的特征生成更多的模式图。这2种稠密连接或编码方案都会进一步提升PCANet最终输出的柱状图特征的维度,并生成更为丰富的特征。在受控环境和有真实遮挡的人脸数据集(增强现实(AR)人脸数据集)、非受控环境和有模拟遮挡的数据集(LFW和CFP)、非受控环境和有真实遮挡的数据集(MFR2和PKU-Masked-Face)上的实验结果表明,所提扩展的PCANet模型能够有效处理实物遮挡和因光照引发的遮挡,也可以作为前沿方法的有效补充,提升前沿方法的遮挡鲁棒性。
-
关键词
有遮挡人脸识别
主成分分析模型
稠密连接
稠密编码
滤波器多样性
-
Keywords
face recognition with occlusion
principal component analysis network(PCANet)
dense connections
dense encoding
filter diversity
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
