基于自适应特征提取网络的复杂环境下人脸识别

来源：计算机测量与控制杂志2024年第8期北京时间：

作者：李达

摘要：针对现有人脸识别算法在运动模糊、低光照等真实复杂环境下识别率低、鲁棒性较差，导致难以稳定应用在实际人脸识别任务的问题，提出一种基于自适应特征提取网络的复杂环境下人脸识别方法；该网络结合传统方法的特征提取技术和深度学习网络特征表示能力，实现了对不同复杂环境下人脸稳定识别；设计了一种自适应纹理特征提取算法，通过自动获取阈值来实现特征提取，提高网络计算效率；使用逆向传播算法改进深度信念网络，并引入共轭梯度算法解决网络的梯度消失问题，减少其收敛时间，提高算法鲁棒性；经实验验证，所提方法在标准LWF数据集和复杂环境CASIA、MS1M数据集中的准确率分别达到99.72%、89.54%及88.75%，参数量和网络计算量分别为2.84M及0.67G，均优于对比算法，能够满足复杂环境下人脸识别任务需求。

关键词：复杂环境;人脸识别;特征提取;深度学习;深度信念网络

基金资助：知网数据中心云平台建设项目(KeJ5S2301201)