基于深度学习的人脸识别算法,将LBP纹理特征作为深度网络的输入,通过逐层贪婪训练网络,获得良好的网络参数,并用训练好的网络对测试样本进行预测.在非限制条件下人脸库LFW上实验结果表明,该算法较传统算法(PCA,SVM,LBP)识别率高;另外,在Yale库和Yale-B库上也获得较高识别率,进一步说明以LBP纹理特征作为网络输入的深度学习方法能够对人脸图像进行准确识别.

      动态人脸识别算法是一种基于实时彩色视频中进行人脸识别检测和识别的算法，它能够在输入的彩色视频检测到人脸，并        对检测到的人脸进行特征提取，再与预告储存的人脸特征进行比对，从而实现人脸识别的功能。

      算法实现的步骤主要包括：

     1）从彩色摄像头获取实时视频

     2）使用人脸检测算法对视频内的每一帧进行人脸检测，人脸检测的算法使用深度学习的算法，如基于卷积神经网络的检测器等

     3） 人脸定位，对检测到的人脸进行对齐和裁剪

     4） 特征提取，对于对齐和裁剪后的人脸，使用特征提取算法提取人脸的特征向量，特征提取算法使用深度学习的算法，如基于卷积神经网络的检测器等

     5） 特征比对，对每一个提取到的人脸的特征向量，与预先存储的人脸特征向量进行对比，来计算 特征向量之间的相似度

     6） 比对结果 ，根据特征向量的比对结果 ，如果其相似度超过了设定的阈值，则判定其为已知人脸，并输出人脸的标识信息。