基于 LBP 和数据扩充的 CNN 人脸识别研究

来源：计算机技术与发展杂志2020年第03期北京时间：

作者：任飞凯;邱晓晖

摘要：针对卷积神经网络在人脸识别存在的数据集比较少,容易发生过拟合的问题,提出对人脸进行局部二值模式处 理,提升图像特征,再引入深度卷积生成对抗网络对局部二值化的人脸进行生成,有效扩充数据集,提升卷积神经网络的 泛化能力。 该人脸识别卷积神经网络模型包括3层卷积层,3层池化层,1个全连接层,1个Softmax分类回归层。 仿真实 验中,选取ORL人脸数据库中40人每人10张的人脸图像按8:1:1比例设置为训练集、验证集和测试集,并选取Yale人 脸数据库中15人每人11张的人脸图像按9:1:1的比例设置训练集、验证集和测试集,通过LBP算法提取人脸纹理特征 对其进行生成,分别扩充数据集至990张和2200张。 结果表明,该算法的人脸识别率不仅高于未扩充数据PCA和LBP等 传统人脸识别方法的识别率,而且也将卷积神经网络的识别率提升了约2%,有效提高了泛化能力。

关键词：CNN;LBP;数据集扩充;人脸识别