1.一種基于LBP和深度學(xué)校的非限制條件下人臉識別方法，其特征在于，具體方法步驟如下：
分別用雙線性內(nèi)插法將測試樣本和訓(xùn)練樣本降維至32×32，并進(jìn)行直方圖均衡化等歸一化預(yù)處理；
對訓(xùn)練樣本和測試樣本進(jìn)行分塊并提取每個子塊的LBP紋理特征，將每個子塊的特征連接起來形成樣本的LBP紋理特征，其中LBP紋理特征提取時樣本分塊為4×5，半徑R為1，像素?cái)?shù)P為8，此時所提取的LBP 紋理特征和像素級特征維數(shù)相當(dāng)；
將訓(xùn)練樣本的LBP紋理特征作為DBN可視層輸入，對深度網(wǎng)絡(luò)進(jìn)行逐層訓(xùn)練，以獲取最優(yōu)網(wǎng)絡(luò)參數(shù)，文中DBN層數(shù)選為2層：第1層學(xué)習(xí)率為0.002，迭代次數(shù)為40；第2層為0.003，迭代次數(shù)為40；
當(dāng)深度網(wǎng)絡(luò)訓(xùn)練完后，將測試樣本的LBP紋理特征作為DBN可視層輸入，利用優(yōu)化后的網(wǎng)絡(luò)由下向上多層次地學(xué)習(xí)和提取測試樣本的抽象特征，在網(wǎng)絡(luò)最頂層進(jìn)行SoftMax回歸分類，獲得測試樣本的類標(biāo)值，并計(jì)算正確識別率。
2.根據(jù)權(quán)利要求1所述的一種基于LBP和深度學(xué)校的非限制條件下人臉識別方法，其特征在于，所述DBN的訓(xùn)練過程如下：
1）對第一層RBM，以LBP紋理特征為輸入，對RBM進(jìn)行無監(jiān)督訓(xùn)練，獲得該層最優(yōu)的參數(shù)；
高層RBM以低一層RBM 輸出數(shù)據(jù)為輸入，對RBM進(jìn)行無監(jiān)督訓(xùn)練，獲得RBM網(wǎng)絡(luò)最優(yōu)的參數(shù)值；
3) 最后利用全局訓(xùn)練的方法對訓(xùn)練好的各層參數(shù)微調(diào)，使DBN收斂到全局最優(yōu)。