史涛 秦琴 任红格， 王玮

关键词： 显著局部二值模式; 特征提取; 深度信念网络; 网络训练; 深度学习; 人脸识别

中图分类号： TN926?34; TP391                 文獻标识码： A                    文章编号： 1004?373X（2019）14?0177?05

Research on human face recognition based on SLBP deep belief network

SHI Tao， QIN Qin， REN Hongge， WANG Wei

（College of Electrical Engineering， North China University of Science and Technology， Tangshan 063200， China）

Abstract： In allusion to the problems of insufficient extraction of the traditional local binary pattern （LBP） features and classifier fitting， a human face recognition method based on the significant local binary pattern （SLBP） of the local texture feature and deep learning is proposed. The local texture features of human face images are extracted by using the improved SLBP algorithm， so as to establish the SLBP histogram. The deep learning architecture based on deep belief network is constructed. The SLBP histogram is input into the deep belief network. The unsupervised layer?by?layer training method and supervised BP algorithm are used to conduct network training， so as to realize self?learning and self?optimization of network and obtain network parameters. The DBN classification is used to recognize human face images. The results of the simulation experiment demonstrate that the proposed human face recognition method is superior to the traditional human face recognition method in aspects of recognition rate and robustness.

Keywords： SLBP; feature extraction; deep belief network; network training; deep learning; human face recognition

0  引  言

人脸识别是一项计算上具有挑战性的任务，需要在不同身份的类似外观图像之间进行精细区分，其具有快捷实用性、非接触性、安全性和非强制性等优点成为身份判断识别研究热点之一，作为身份识别应用技术具有重要意义[1]。

人脸识别技术的核心是特征提取方法，因此，各学者把对人脸特征的提取作为研究的重点。在各种文献中提到一些经典的特征提取的算法，比如主成分分析法等类似的方法是对图像整体进行识别的算法，能保存图像纹理信息获得图像的全局特征。但是，这类方法易受到人的姿态和不同光照的影响，因此，基于整体的识别方法取得的结果往往不能令人满意。

局部二值法（LBP）因其对光照和姿态变化不敏感、鲁棒性较强、在纹理分析方面的简单性等优点成为局部特征提取的研究热点。2015年，郭贺飞等考虑分块全局特征，组合成优化的LBP特征，通过自适应的方式选择阈值将特征离散，进而完成人脸识别[2]。2016年，LE T H等人将每个LBP直方图串接，这样就构成了级联LBP（Concatenated LBP）直方图，并应用其特征向量作为描述人脸图像的方法，实验表明其有效性[3]。2017年，胡敏等提出利用G?LBP以及方差投影的交叉熵方法来识别人脸图像，并从熵值的角度对人脸图像做了补充描述，进一步提升了识别系统的稳定性以及准确率，更加丰富了对人脸的特征描述[4]。……