基于gabor小波和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別

《基于gabor小波和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、基于Gabor小波和人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別摘要人臉識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域中非常活躍的一個(gè)研究方向，在圖像、生物、工業(yè)等民用領(lǐng)域及軍事領(lǐng)域中有著廣泛的應(yīng)用，其中以目標(biāo)特征的提取為難點(diǎn)與重點(diǎn)。本文研究的目的是提高Gabor目標(biāo)識(shí)別算法的魯棒性，降低負(fù)面因素對(duì)識(shí)別效果的影響。首先介紹了常用的分類(lèi)規(guī)則，分析了人工神經(jīng)網(wǎng)絡(luò)以及BP算法的優(yōu)缺點(diǎn)。給出了一種變步長(zhǎng)學(xué)習(xí)速率的改進(jìn)方法，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)，為后文的識(shí)別研究提供了較好的分類(lèi)器支持。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，Gabor濾波器，特征提取，人臉識(shí)別AbstractTheautomatictargetrecognit

2、ionisapopissueinthecomputervisionarea，thathasbeenusedabundantlyinmanyfieldssuchasimage，biology,industryandSOon，especiallyinmilitarycircles．DuringATR’Staches，extractingfeatureoftargetimageshouldbethemostdifficultandimportantone．Theaimofthispaperistoenhancetherobustnessofcorres

3、pondingGaboralgorithmandtoweakentheeffectofnegativefactors．Firstly,somemainclassifiersarepresented，andsomeadvantageanddisadvantageofBPnetworkwhichbelongtotheANNareanalysed．AnimprovedmethodwhosestepextentshiftisgiventooptimizetheBPnet，whichsuppliesabetterclassifierforthenextwo

4、rk．Keywords：Neuralnetwork，GaborJets，F(xiàn)eatureextracting，F(xiàn)acerecognition1緒論1.1研究背景及意義人臉識(shí)別是生物特性鑒別技術(shù)的一個(gè)主要方向，它涉及圖像處理，模式識(shí)別，計(jì)算機(jī)視覺(jué)等多個(gè)研究領(lǐng)域，具有十分廣泛的應(yīng)用前景，多年來(lái)一直是一個(gè)研究熱點(diǎn)。相對(duì)于其它人體生物特征識(shí)別技術(shù)，如指紋識(shí)別、虹膜識(shí)別、掌紋識(shí)別，人臉識(shí)別技術(shù)是最直接、最自然、最容易被人接受的。與其它技術(shù)相比，它具有侵犯性小、較少需要或不需要用戶(hù)的主動(dòng)配合、樣本采集方便、應(yīng)用場(chǎng)合廣泛、潛在的數(shù)據(jù)資源豐富、設(shè)備成本低等優(yōu)點(diǎn)[1

5、]。人臉識(shí)別系統(tǒng)具備操作及流程簡(jiǎn)單、適用面廣、支持一對(duì)一或一對(duì)多比對(duì)、支持多點(diǎn)同時(shí)采集比對(duì)、帶有數(shù)據(jù)庫(kù)支持記錄及查詢(xún)功能，對(duì)采集現(xiàn)場(chǎng)環(huán)境要求較低，可在極短的時(shí)間里判斷出進(jìn)出者的身份是否合法，杜絕使用他人鑰匙、密碼、磁卡等非法進(jìn)入。人臉識(shí)別技術(shù)的安全性、可靠性較高，且擁有廣泛的市場(chǎng)需求，它可以應(yīng)用于公安部門(mén)的犯人檔案管理、犯人辨認(rèn)查找、刑偵破案、安全驗(yàn)證系統(tǒng)、信用卡驗(yàn)證、醫(yī)學(xué)、檔案管理、視頻會(huì)議、人機(jī)交互系統(tǒng)、證件核對(duì)、保安監(jiān)視、門(mén)禁控制及至自動(dòng)柜員機(jī)（ATM）等多種場(chǎng)合[2]。人臉識(shí)別對(duì)人類(lèi)來(lái)說(shuō)是件自然而然的事情，但對(duì)計(jì)算機(jī)而言，人臉識(shí)別卻遠(yuǎn)非一

6、個(gè)已解決的課題。所有的人臉都具有相似的結(jié)構(gòu)，在紋理上也十分相近。另外圖像受光照、成像角度及成像距離等外界條件影響，具有“一人千面”的特點(diǎn)，欲建立一種具有各種不變性的描述模型還是比較困難的。此外，人臉識(shí)別技術(shù)研究與相關(guān)科學(xué)的發(fā)展及人腦的認(rèn)識(shí)程度緊密相關(guān)[3]。諸多因素都使人臉識(shí)別研究成為一項(xiàng)極富挑戰(zhàn)性的課題，一方面信息化進(jìn)程的日益加快，電子商務(wù)、重要場(chǎng)所的安全認(rèn)證、智能化環(huán)境等許多應(yīng)用領(lǐng)域?qū)εc人臉有關(guān)的信息處理提出了迫切要求；另一方面，硬件和軟件技術(shù)的發(fā)展，為滿足實(shí)際應(yīng)用系統(tǒng)對(duì)人臉檢測(cè)、跟蹤及識(shí)別技術(shù)的實(shí)時(shí)化要求提供了可能性[2]。所以，人臉識(shí)別的

7、研究不僅涉及心理學(xué)、生理學(xué)、人工智能、模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像分析與處理等多個(gè)學(xué)科領(lǐng)域，更是模式識(shí)別、人工智能和計(jì)算機(jī)視覺(jué)的典型案例之一[2]。對(duì)這一問(wèn)題的研究和解決，有助于對(duì)其他對(duì)象識(shí)別問(wèn)題的研究分析和解決，人臉識(shí)別也因此成為這些基礎(chǔ)研究領(lǐng)域的重要課題之一，具有重要的理論研究?jī)r(jià)值。1.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)近30年來(lái)，人臉自動(dòng)識(shí)別的研究取得了很大的進(jìn)展，從工程索引（EI）上檢索到的相關(guān)文獻(xiàn)已達(dá)數(shù)千篇，包括IEEEPAMI在內(nèi)的重要國(guó)際期刊也有專(zhuān)欄甚至專(zhuān)刊報(bào)道人臉識(shí)別的最新研究進(jìn)展，同時(shí)還出現(xiàn)了專(zhuān)門(mén)的國(guó)際學(xué)術(shù)會(huì)議，如人臉手勢(shì)識(shí)別國(guó)際學(xué)術(shù)會(huì)議

8、[1]。目前人臉識(shí)別領(lǐng)域內(nèi)最著名的國(guó)際研究機(jī)構(gòu)包括：美國(guó)麻省理工學(xué)院媒體實(shí)驗(yàn)室及人工智能實(shí)驗(yàn)室、南加州大學(xué)、CMU卡內(nèi)基—梅隆機(jī)器人研究