摘要
针对真实场景下采集的人脸图像受环境、设备影响导致分辨率低且图像识别率较低的问题,应用深度学习技术,提出一种基于卷积神经网络(CNN)和主成分分析(PCA)的低分辨率人脸识别算法。首先利用图像超分辨率重构将低分辨率图像重建为高分辨率图像;其次利用CNN提取重建后人脸图像特征,对损失函数进行优化;再利用PCA对特征进行降维,得到更优的分类特征;最后利用支持向量机(SVM)、向量间距离等算法筛选出最优人脸分类并计算准确率。实验表明,该算法在LFW和FERET上均取得更好的识别效果,当人脸图像分辨率下降到8×8时,准确率仍能到达94.5%,优于其他算法并且降低了运算时间。
学科与关键词
关键词
低分辨率人脸识别卷积神经网络识别准确率
- 融合高斯金字塔特征的低分辨率人脸识别侯谕融; 狄岚; 梁久祯小型微型计算机系统, 2021, 42(10): 2107-2115.
- 基于拉普拉斯金字塔降维的人脸识别算法亢洁; 林欣; 吴星驰陕西科技大学学报(自然科学版), 2015, (01): 165.
- 一种基于卷积神经网络的人脸识别系统的实现杨太平电子测试, 2021, (19): 100-101+37.
