[发明专利]一种基于深度神经网络的特征加权融合人脸识别方法在审
| 申请号： | 201811439930.1 | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109522865A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 仲珩;李昕;褚治广;李万杰 | 申请（专利权）人： | 辽宁工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京远大卓悦知识产权代理事务所(普通合伙) 11369 | 代理人： | 李烨 |
| 地址： | 121001 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的特征加权融合人脸识别方法，包括：步骤一、对采集的人脸图像进行预处理；步骤二、采用离散小波变换对预处理后的人脸图像进行处理，提取小波分解后的4个分量，并且对所述4个分量分别进行特征提取，得到4个特征；步骤三、分别为所述4个特征分配权值，并且进行加权融合；四、将加权融合后的特征作为输入层向量输入深度信念神经网络，经过训练，深度信念神经网络的输出提取后的人脸特征；步骤五、将所述提取后的人脸特征输入Softmax回归函数进行分类，构建分类器；步骤六、利用构建的分类器进行人脸识别。本发明提供的基于深度神经网络的特征加权融合人脸识别方法，能够提高人脸识别的准确率。 | ||
| 搜索关键词： | 加权融合 人脸识别 神经网络 预处理 人脸特征 人脸图像 离散小波变换 构建分类器 回归函数 特征提取 小波分解 分类器 输入层 准确率 构建 向量 采集 输出 分类 | ||
【主权项】：
1.一种基于深度神经网络的特征加权融合人脸识别方法，其特征在于，包括如下步骤：步骤一、对采集的人脸图像进行预处理；步骤二、采用离散小波变换对预处理后的人脸图像进行处理，提取小波分解后的4个分量，并且对所述4个分量分别进行特征提取，得到4个特征；步骤三、分别为所述4个特征分配权值，并且进行加权融合；步骤四、将加权融合后的特征作为输入层向量输入深度信念神经网络，经过训练，深度信念神经网络输出提取后的人脸特征；步骤五、将所述提取后的人脸特征输入Softmax回归函数进行分类，构建分类器；步骤六、利用构建的分类器进行人脸识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于辽宁工业大学，未经辽宁工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811439930.1/，转载请声明来源钻瓜专利网。
