基于神經(jīng)網(wǎng)絡(luò)人臉識別的研究

《基于神經(jīng)網(wǎng)絡(luò)人臉識別的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、碩}：學位論文摘要人臉識別技術(shù)是基于生物特征識別技術(shù)的一個重要分支，在辨別身份和傳遞感情方面起著重要的作用。由于人臉識別技術(shù)在視頻監(jiān)控、訪問控制、信用卡驗證、多媒體數(shù)據(jù)庫檢索以及安全等領(lǐng)域有著廣闊的發(fā)展前景，它是模式識別和計算機視覺領(lǐng)域內(nèi)研究的一個熱點。一個完整的人臉識別系統(tǒng)包括人臉檢測和人臉識別兩個部分。圖像的預(yù)處理，特征提取和分類器設(shè)計是人臉識別中三個關(guān)鍵性的問題，本論文針對這三方面的問題，以主成份分析和徑向基神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)展開研究，并做了以下3方面研究：1．分析了人臉識別相關(guān)技術(shù)中圖像處理的基本理論，研究圖像預(yù)處理方面的原理和方法，借助OpenCV強

2、大的圖像處理能力，經(jīng)過歸一化、平滑等方法使圖像對比度增強，又根據(jù)金字塔序列化的方法解決人臉尺寸不統(tǒng)一的難題。2．特征提取方面，采用基于主成份分析(PCA)的特征臉法，針對主成份分析方法提取的特征值維數(shù)較高，特征提取速度較慢的現(xiàn)象，本文以最小化類內(nèi)離散度出發(fā)點，將2DPCA提取的特征矩陣當做一個圖像矩陣，將該矩陣轉(zhuǎn)置后進行處理，以此提出一種改進的2DPCA方法解決特征提取速度慢的問題。3．建立基于RBF網(wǎng)絡(luò)的分類器，對網(wǎng)絡(luò)的權(quán)值的設(shè)定問題及簡化網(wǎng)絡(luò)結(jié)構(gòu)作了研究。提出了通過對樣本聚類分析確定隱含層節(jié)點數(shù)，以計算兩個聚類中心的距離來代替?zhèn)€體訓練樣本估計聚類節(jié)點寬

3、度，并采用一種混合的學習算法對RBF節(jié)點參數(shù)進行調(diào)整的方法。并通過實驗對比結(jié)果部分分析了學習率的選擇問題，不同的K—L閾值對網(wǎng)絡(luò)隱層節(jié)點數(shù)和識別效果的影響方面分別進行討論。關(guān)鍵詞：人臉識別；圖像處理；圖像增強；K-L變換；2DPCA基于神經(jīng)網(wǎng)絡(luò)的人臉識別研究AbstractFacerecognitiontechnologyisbasedonbiometricidentificationtechnology,isanimportantbranchintheidentificationanddeliveryofemotionalstatus，playsanim

4、portantrole．Duetothefacerecognitiontechnologyhasabroadrangeofpotentialplicationsinvideosurveillance，accesscontrol，personalcardidentification，multimediadatabaseretrievalandsecurity,etc；ltisaresearchfoucswithinthefieldofpatternrecognitionandcomputervision．Acompletefacerecognitionsys

5、temconsistsoffacedetectionandrecognitionoftwoparts．Imagepreprocessing，featureextractionandclassifierdesignistherecognitionofthethreekeyissues，andmadeofthefollowingthreeaspects：1．Studiedoffacerecognitiontechnologyrelatedtothebasictheoryofimageprocessing：theprinciplesandmethodsofima

6、gepre-processing；WithpowerfulimageprocessingcapabilitiesofOpenCV,Throughnormalization，smoothingandothermethodstoenhancetheimagecontrast，alsounderthepyramidserializationmethodstosolvethenon—uniformfacesizeproblem，makingdetectionoftheimagetobemoresuitableforthepositionandfacedetecti

7、on．2．Featureextractionapproachbasedonprincipalcomponentanalysis(PCA)featuresofface，givesallimproved2DPCAmethodwhichusedtwiced2DPCAofimagematrix，makestheimageoftheenergyconcentratedintheupperleftcomeroftheimagematrix．Experimentsshowthatthismethodisimprovedandfollowingadvantagesrela

8、tiveto2DPCA,andfasterextractionra