基于二进制多层GELM的异质人脸识别模型

为提高异质人脸识别模型精度,提出一种基于二进制多层Gabor极限学习机(GELM)的异质人脸识别模型方法。首先,提出一种新的基于像素加权的随机加权Gabor特征提取方案,将局部几何输入图像子块传播到隐藏节点,并将提取的Gabor特征嵌入隐藏层中,利用一组Gabor核随机加权求和,实现对传播像素的非线性激活函数的卷积运算;然后,利用类似于极限学习机方式对输出层采用线性加权方法进行估计。最后,利用BERC VIS-TIR数据库和CASIA NIR-VIS 2.0数据库对所提算法的异质人脸识别方法性能进行验证,实验结果显示该算法识别精度高、CPU计算时间短。