吉林大学学报(信息科学版) ›› 2018, Vol. 36 ›› Issue (5): 504-509.

• • 上一篇    下一篇

基于改进的卷积神经网络多姿态人脸识别研究

韩东,王学军   

  1. 吉林大学 通信工程学院,长春130022
  • 出版日期:2018-09-24 发布日期:2019-01-18
  • 作者简介:韩东( 1989— ) ,男,长春人,吉林大学硕士研究生,主要从事图像处理、图像识别研究,( Tel) 86-18088682075( E-mail)121638141@ qq. com; 通讯作者: 王学军( 1965— ) ,男,长春人,吉林大学副教授,硕士生导师,主要从事图像处理、多媒体数据检索研究,( Tel) 86-13504301042( E-mail) xjwang@ jlu. edu. cn。

Pose-Varied Face Recognition Based on Improved Convolutional Neural Network

HAN Dong,WANG Xuejun   

  1. College of Communication Engineering,Jilin University,Changchun 130022,China
  • Online:2018-09-24 Published:2019-01-18
  • Contact: 通讯作者: 王学军( 1965— ) ,男,长春人,吉林大学副教授,硕士生导师,主要从事图像处理、多媒体数据检索研究,( Tel) 86-13504301042( E-mail) xjwang@ jlu. edu. cn。

摘要: 针对目前的人脸识别算法在面对不同姿态下的人脸图像时识别率低的问题,提出了一种基于改进的卷积神经网络的算法。该算法通过对经典的卷积神经网络LeNet-5 的卷积核数目、卷积核尺寸、池化层方式和正则化手段等参数进行了优化改进,从而能对多姿态人脸图像特征进行有效提取。仿真实验结果表明,该算法在识别率与识别时间上均有显著提高。

关键词: 人脸识别, 卷积神经网络, 非约束环境, 图像处理

Abstract: In order to solve the problem of low recognition rate of face recognition algorithm in face images with different pose,an improved algorithm based on convolutional neural network is proposed. The algorithm optimize the classical convolutional neural network LeNet-5's convolution kernel number,convolution kernel size,pool layer mode,regularization method,The pose-varied Face's feature can be extracted effectively. The experimental results show that the algorithm improves the rate and recognition time significantly.

Key words: face recognition, convolutional neural network, unconstrained environment, image processing

中图分类号: 

  • TP391