基于深度學習的人臉識別算法,將LBP紋理特征作為深度網絡的輸入,通過逐層貪婪訓練網絡,獲得良好的網絡參數,并用訓練好的網絡對測試樣本進行預測.在非限制條件下人臉庫LFW上實驗結果表明,該算法較傳統算法(PCA,SVM,LBP)識別率高;另外,在Yale庫和Yale-B庫上也獲得較高識別率,進一步說明以LBP紋理特征作為網絡輸入的深度學習方法能夠對人臉圖像進行準確識別.
動態人臉識別算法是一種基于實時彩色視頻中進行人臉識別檢測和識別的算法,它能夠在輸入的彩色視頻檢測到人臉,并 對檢測到的人臉進行特征提取,再與預告儲存的人臉特征進行比對,從而實現人臉識別的功能。
算法實現的步驟主要包括:
1)從彩色攝像頭獲取實時視頻
2)使用人臉檢測算法對視頻內的每一幀進行人臉檢測,人臉檢測的算法使用深度學習的算法,如基于卷積神經網絡的檢測器等
3) 人臉定位,對檢測到的人臉進行對齊和裁剪
4) 特征提取,對于對齊和裁剪后的人臉,使用特征提取算法提取人臉的特征向量,特征提取算法使用深度學習的算法,如基于卷積神經網絡的檢測器等
5) 特征比對,對每一個提取到的人臉的特征向量,與預先存儲的人臉特征向量進行對比,來計算 特征向量之間的相似度
6) 比對結果 ,根據特征向量的比對結果 ,如果其相似度超過了設定的閾值,則判定其為已知人臉,并輸出人臉的標識信息。
+86-0755-2607 5207