gabor调制的深度多层子空间人脸特征提取算法.pdfVIP

第３３卷　第３期 信 号 处 理 Ｖｏｌ．３３　Ｎｏ．３ ２０１７年３月 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｍａｒ．２０１７ 文章编号：１００３－０５３０（２０１７）０３－０３３８－０８ Ｇａｂｏｒ调制的深度多层子空间人脸特征提取算法 胡正平　何　薇　王　蒙　孙　哲 （燕山大学信息科学与工程学院，河北秦皇岛０６６００４） 摘　要：人脸识别的关键在于特征提取，过去主要从完美的低维特征子空间来刻画高维图像，但是近年来深度学 习模型为特征提取提供新方向。本文提出在Ｇａｂｏｒ特征描述子调制下的深度子空间模型，在深度子空间这一新型 深度学习框架基础上，使用Ｇａｂｏｒ滤波器组处理图像，并构建深度特征提取多层网络，得到Ｇａｂｏｒ调制下的深层 抽象特征。首先将传统的８个方向５个尺度的４０个 Ｇａｂｏｒ滤波器在尺度上进行压缩得到８个基本 Ｇａｂｏｒ滤波器 组；然后将经过Ｇａｂｏｒ滤波的描述特征分别送入深度化改造的子空间模型，得到图像的深层特征表示；其次将这 些特征进行哈希编码，直方图分块，作为描述特征。本文在ＦＥＲＥＴ、ＯＲＬ、ＣＭＵ＿ＰＩＥ等数据库上讨论加入Ｇａ ｂｏｒ滤波器调制后的深度多层子空间特征提取模型在人脸识别问题上性能的提升，实验结果表明，该算法可以取 得较好的识别率，并对光照、表情、姿态等有很好的鲁棒性，能够弥补浅层网络易受训练图像影响的缺点。 关键词：深度学习；子空间；Ｇａｂｏｒ滤波器；多层融合 中图分类号：ＴＰ３９１．４　　　文献标识码：Ａ　　　ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１７．０３．０１３ ＦａｃｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＤｅｅｐＳｕｂｓｐａｃｅ ｗｉｔｈＧａｂｏｒＦｉｌｔｅｒＭｏｄｕｌａｔｉｏｎ ＨＵＺｈｅｎｇｐｉｎｇ　ＨＥＷｅｉ　ＷＡＮＧＭｅｎｇ　ＳＵＮＺｈｅ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ０６６００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｋｅｙｐｏｉｎｔｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｉｓｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｗｈｉｃｈｗａｓｍａｉｎｌｙｄｅｓｃｒｉｂｅｄｂｙａｐｅｒｆｅｃｔｌｏｗｅｒｄｉｍｅｎｓｉｏｎ ａｌｆｅａｔｕｒｅｓｐａｃｅｔｏｉｍａｇｅｔｈｅｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｉｎｔｈｅｐａｓｔ，ｂｕｔｒｅｃｅｎｔｌｙ，ｈａｄｂｅｅｎｐｒｏｖｉｄｅｄａｎｅｗｄｉｒｅｃｔｉｏｎｂｙｔｈｅｄｅｅｐ ｌｅａｒｎｉｎｇｍｏｄｅｌ．Ｉｎｔｈｉｓｐａｐｅｒ ，ａｄｅｅｐｓｕｂｓｐａｃｅｍｏｄｅｌｔｈａｔｕｎｄｅｒｔｈｅＧａｂｏｒｆｅａｔｕｒｅｄｅｓｃｒｉｐｔｏｒｍｏｄｕｌａｔｉｏｎｉｓｐｕｔｆｏｒｗａｒｄ． ＴｈｅｍｏｄｕｌａｔｉｏｎｂａｓｅｄｏｎａｎｅｗｔｙｐｅｄｅｅｐｌｅａｒｎｉｎｇｆｒａｍｅｗｏｒｋｕｓｅｓＧａｂｏｒｆｉｌｔｅｒｔｏｐｒｏｃｅｓｓｉｍａｇｅｓ，ｄｒａｗｓａｍｕｌｔｉｌａｙｅｒｎｅｔ ｗｏｒｋｆｒｏｍｔｈｅｄｅｅｐｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｂｕｉｌｔ，ｇｅｔｓｔｈｅｄｅｅｐａｂｓｔｒａｃｔｆｅａｔｕｒｅｍｏｄｕｌａｔｅｄｂｙｔｈｅＧａｂｏｒ．Ｆｉｒｓｔｌｙ，ｗｅｃｏｍｐｒｅｓｓ ｔｈｅｔｒａｄｉｔｉｏｎａｌ４０Ｇａｂｏｒｆｉｌｔｅｒｓｏｆ８ｄｉｒｅｃｔｉｏｎｓａｎｄ５ｓｃａｌｅｓｉｎｓｃａｌｅｉｎｔｏ８ｂａｓｉｃＧａｂｏｒｆｉｌｔｅｒｂａｎｋｓ；Ｔｈｅｎｗｅｐｕｔｔｈｅｄｅｓｃｒｉｐ ｔｉｏｎｆｅａｔｕｒｅｓｆｉｌｔｅｒｅｄｂｙＧａｂｏｒｉｎｔｏｔｈｅｄｅｅｐｌｙｒｅｆｏｒｍｅｄｓｕｂｓｐａｃｅｍｏｄｅｌｓｅｐａｒａｔｅｌｙｔｏｇｅｔｔｈｅｄｅｅｐｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆ ｔｈｅｉｍａｇｅ；Ｓｅｃｏｎｄｌｙ，ｄ