特征匹配融合结合改进卷积神经网络的人脸识别

提出一种特征匹配融合结合改进卷积神经网络(CNN)的图像识别方法。针对局部二值模式(LBP)算子提取的特征信息局限以及不能准确描述图像轮廓信息的问题, 使用梯度方向直方图(HOG)和LBP分层特征融合的方法在卷积神经网络中对训练集进行特征提取, 再将匹配提取的特征图像输入改进的卷积神经网络进行训练、识别。以ReLU为激活函数, 输出层用Softmax分类器, 并通过TensorFlow框架进行训练, 在ORL、YALE和CAS-PEAL人脸库上进行人脸识别仿真, 该方法识别率分别达到了99.2%、98.7%、97.2%, 高于其他对比算法。