论文研究基于距离限定优化的人脸识别.pdf

针对现有人脸识别方法对人脸角度、表情、姿态等因素较为敏感且准确率低的问题，提出了一种基于距离限定优化算法的人脸识别模型。该模型对人脸识别方法的改进有两点：a）利用LBP算子提取人脸图像纹理谱特征图，然后与原始人脸图像的R、G、B通道进行融合，将融合后的图像矩阵作为神经网络的输入，丰富了人脸的纹理特征；b）对误差函数进行改进，使用阈值和边界值约束特征向量的距离，对模型构建新的优化目标，使得相同对象的人脸图像在特征空间中具有较小的欧氏距离，不同对象的人脸图像在特征空间中具有较大的欧氏距离。通过在非限制场景下的LFW人脸库上进行实验，表明该模型准确率分别达到99.15%，能有效地提高人脸识别准确率，具有很好的鲁棒性。