无监督局部特征学习的鲁棒性人脸识别

来源：计算机应用杂志2017年第2期北京时间：

作者：冯姝

单位：重庆大学 数学与统计学院, 重庆 401331

摘要：特征表示是人脸识别的关键问题，由于人脸图像在拍摄过程中受光照、遮挡、姿势等因素的影响，如何提取鲁棒的图像特征成了研究的重点。受卷积网络框架的启发，结合K-means算法在卷积滤波器学习中所具有的效果稳定、收敛速度快等优点，提出了一种简单有效的人脸识别方法，主要包含三个部分：卷积滤波器学习、非线性处理和空间平均值池化。具体而言，首先在训练图像中提取局部图像块，预处理后，使用K-means算法快速学习滤波器，每个滤波器与图像进行卷积运算；然后通过双曲正切函数对卷积图像进行非线性变换；最后利用空间平均值池化对图像特征进行去噪和降维。分类阶段仅采用简单的线性回归分类器。在AR和ExtendedYaleB数据集上的评估实验结果表明所提方法虽然简单却非常有效，而且对光照和遮挡表现出了强鲁棒性。

关键词：人脸识别,卷积网络框架,K均值,空间平均值池化,线性回归