《表1 不同算法识别率的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于局部二值特征与深度学习的人脸识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如表1所示，本文算法通过对卷进神经网络进行改进，在ORL，YALE，AR 3个库中识别率分别可达到98.6%，95.6%，98.9%.通过与其它传统算法的实验做对比，进而证明了本文算法的有效性.最后实验对图像进行了数据扩增，增加训练样本集，同时又抽选出旋转图像做测试集，验证算法的抗干扰能力，实验证明本文算法的抗干扰能力优于传统算法.因为传统算法只是通过用数学计算对人脸特征或者关键点进行相似度匹配，当相似度超过设定的阈值时，则识别成功.但是当测试图像受到外界干扰时，比如光照、角度变化、遮挡等，人脸特征或关键点提取受到影响，将会直接影响最终的识别精度.而通过深度学习算法，能够从底层自动学习到更高层的更抽象的特征，即使受到外界干扰，底层特征受到影响，但人脸的本质特征并未被干扰，通过深度学习强大的学习能力，人脸的高层特征影响很小，进而保证了人脸识别精度的稳定性.