第13卷第5期 智能系统学报 Vol.13 No.5 2018年10月 CAAI Transactions on Intelligent Systems Oct.2018 D0:10.11992/tis.201706052 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20180426.1131.006html 基于卷积特征和贝叶斯分类器的人脸识别 冯小荣，惠康华，柳振东 (中国民航大学计算机科学与技术学院，天津300300)】 摘要：为解决传统人脸识别算法特征提取困难的问题，提出了基于卷积特征和贝叶斯分类器的人脸识别方 法，利用卷积神经网络提取人脸特征，通过主成分分析法对特征降维，最后利用贝叶斯分类器进行判别分类， 在ORL(olivetti research laboratory)人脸库上进行实验，获得了99.0O%的识别准确率。实验结果表明，卷积神经 网络提取的人脸图像特征具有很强的辨识度，与PCA(principal component analysis)和贝叶斯分类器结合之后可 有效提高人脸识别的准确率。 关键词：人脸识别：卷积神经网络：模式识别：深度学习：贝叶斯分类器 中图分类号：TP393文献标志码：A文章编号：1673-47852018)05-0769-07 中文引用格式：冯小荣，惠康华，柳振东.基于卷积特征和贝叶斯分类器的人脸识别J.智能系统学报，2018,13(5)： 769-775. 英文引用格式：FENG Xiaorong,,HUI Kanghua,LIU Zhendong..Face recognition based on convolution feature and Bayes classifierJ.CAAI transactions on intelligent systems,2018,13(5):769-775. Face recognition based on convolution feature and Bayes classifier FENG Xiaorong,HUI Kanghua,LIU Zhendong (School of Computer Science and Technology,Civil Aviation University of China,Tianjin 300300,China) Abstract:To solve the difficulty of feature extraction of the traditional face recognition algorithm,a new method based on convolution feature and Bayes classifier is proposed,which uses convolution neural network to extract facial fea- tures and principal component analysis(PCA)to reduce the feature dimension,and finally,employs a Bayes classifier to classify the features.Experiments were carried out on the ORL face database,and a recognition accuracy of99%was achieved.The experimental results show that the face features extracted by the convolution neural network have a strong degree of recognition.Therefore,the accuracy of face recognition in feature extraction can be effectively improved by combining PCA and Bayes classifier with convolution neural network. Keywords:face recognition;convolutional neural network;pattern recognition,deep learning,Bayes classifier 人脸识别一直是模式识别和人工智能领域 有LBP纹理特征)、HOG方向梯度直方图特征 研究的热点问题。在此背景下，国内外公司竞相 和Haar-like特征，这三种特征虽然在人脸识别 进入该领域，如苹果公司推出的手机人脸识别解 中获得了不错的效果，但是也存在特征提取过程 锁，支付宝的刷脸登录等。解决人脸识别问题的 比较复杂，识别效率较低等不足。与传统的人脸 关键环节是特征提取，特征提取的好坏直接影响 识别算法相比，卷积神经网络可以将原始图像直 分类器识别准确率的高低。目前常用图像特征 接作为输入，减少数据的预处理过程，通过自学 习的方式完成特征提取，不仅有效降低了人脸特 征提取的时间消耗，而且提取的人脸特征具有很 收稿日期：2017-06-13.网络出版日期：2018-04-26 基金项目：国家自然科学基金项目(U1233113,61571441):中央 高的辨识度。为了克服传统人脸识别算法特征提 高校基金项目(ZXH2012M005,3122014C016):中国 民航大学科研启动基金项目(2010QD10X). 取带来的长时间消耗、低识别度的问题，本文提 通信作者：惠康华.E-mail:khhui@cauc.edu.cn 出一种基于卷积神经网络特征提取和贝叶斯分类DOI: 10.11992/tis.201706052 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20180426.1131.006.html 基于卷积特征和贝叶斯分类器的人脸识别 冯小荣，惠康华，柳振东 （中国民航大学 计算机科学与技术学院，天津 300300） 摘 要：为解决传统人脸识别算法特征提取困难的问题，提出了基于卷积特征和贝叶斯分类器的人脸识别方 法，利用卷积神经网络提取人脸特征，通过主成分分析法对特征降维，最后利用贝叶斯分类器进行判别分类， 在 ORL(olivetti research laboratory) 人脸库上进行实验，获得了 99.00% 的识别准确率。实验结果表明，卷积神经 网络提取的人脸图像特征具有很强的辨识度，与 PCA(principal component analysis) 和贝叶斯分类器结合之后可 有效提高人脸识别的准确率。 关键词：人脸识别；卷积神经网络；模式识别；深度学习；贝叶斯分类器 中图分类号：TP393 文献标志码：A 文章编号：1673−4785(2018)05−0769−07 中文引用格式：冯小荣, 惠康华, 柳振东. 基于卷积特征和贝叶斯分类器的人脸识别[J]. 智能系统学报, 2018, 13(5): 769–775. 英文引用格式：FENG Xiaorong, HUI Kanghua, LIU Zhendong. Face recognition based on convolution feature and Bayes classifier[J]. CAAI transactions on intelligent systems, 2018, 13(5): 769–775. Face recognition based on convolution feature and Bayes classifier FENG Xiaorong，HUI Kanghua，LIU Zhendong (School of Computer Science and Technology, Civil Aviation University of China, Tianjin 300300, China) Abstract: To solve the difficulty of feature extraction of the traditional face recognition algorithm, a new method based on convolution feature and Bayes classifier is proposed, which uses convolution neural network to extract facial fea￾tures and principal component analysis (PCA) to reduce the feature dimension, and finally, employs a Bayes classifier to classify the features. Experiments were carried out on the ORL face database, and a recognition accuracy of 99% was achieved. The experimental results show that the face features extracted by the convolution neural network have a strong degree of recognition. Therefore, the accuracy of face recognition in feature extraction can be effectively improved by combining PCA and Bayes classifier with convolution neural network. Keywords: face recognition; convolutional neural network; pattern recognition; deep learning; Bayes classifier 人脸识别[1-2]一直是模式识别和人工智能领域 研究的热点问题。在此背景下，国内外公司竞相 进入该领域，如苹果公司推出的手机人脸识别解 锁，支付宝的刷脸登录等。解决人脸识别问题的 关键环节是特征提取，特征提取的好坏直接影响 分类器识别准确率的高低。目前常用图像特征 有 LBP 纹理特征[3] 、HOG 方向梯度直方图特征[4] 和 Haar-like 特征[5] ，这三种特征虽然在人脸识别 中获得了不错的效果，但是也存在特征提取过程 比较复杂，识别效率较低等不足。与传统的人脸 识别算法相比，卷积神经网络可以将原始图像直 接作为输入，减少数据的预处理过程，通过自学 习的方式完成特征提取，不仅有效降低了人脸特 征提取的时间消耗，而且提取的人脸特征具有很 高的辨识度。为了克服传统人脸识别算法特征提 取带来的长时间消耗、低识别度的问题，本文提 出一种基于卷积神经网络特征提取和贝叶斯分类 收稿日期：2017−06−13. 网络出版日期：2018−04−26. 基金项目：国家自然科学基金项目 (U1233113，61571441)；中央 高校基金项目 (ZXH2012M005，3122014C016)；中国 民航大学科研启动基金项目 (2010QD10X). 通信作者：惠康华. E-mail: khhui@cauc.edu.cn. 第 13 卷第 5 期 智 能 系 统 学 报 Vol.13 No.5 2018 年 10 月 CAAI Transactions on Intelligent Systems Oct. 2018