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

《基于gabor小波和人工神經(jīng)網(wǎng)絡(luò)的人臉識別》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于Gabor小波和人工神經(jīng)網(wǎng)絡(luò)的人臉識別摘要人臉識別是計算機視覺領(lǐng)域中非常活躍的一個研究方向，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)特征的提取為難點與重點。本文研究的目的是提高Gabor目標(biāo)識別算法的魯棒性，降低負面因素對識別效果的影響。首先介紹了常用的分類規(guī)則，分析了人工神經(jīng)網(wǎng)絡(luò)以及BP算法的優(yōu)缺點。給出了一種變步長學(xué)習(xí)速率的改進方法，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)，為后文的識別研究提供了較好的分類器支持。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，Gabor濾波器，特征提取，人臉識別AbstractTheautomatictargetrecognitionis

2、apopissueinthecomputervisionarea，thathasbeenusedabundantlyinmanyfieldssuchasimage，biology,industryandSOon，especiallyinmilitarycircles．DuringATR’Staches，extractingfeatureoftargetimageshouldbethemostdifficultandimportantone．TheaimofthispaperistoenhancetherobustnessofcorrespondingGab

3、oralgorithmandtoweakentheeffectofnegativefactors．Firstly,somemainclassifiersarepresented，andsomeadvantageanddisadvantageofBPnetworkwhichbelongtotheANNareanalysed．AnimprovedmethodwhosestepextentshiftisgiventooptimizetheBPnet，whichsuppliesabetterclassifierforthenextwork．Keywords：Neu

4、ralnetwork，GaborJets，F(xiàn)eatureextracting，F(xiàn)acerecognition1緒論1.1研究背景及意義人臉識別是生物特性鑒別技術(shù)的一個主要方向，它涉及圖像處理，模式識別，計算機視覺等多個研究領(lǐng)域，具有十分廣泛的應(yīng)用前景，多年來一直是一個研究熱點。相對于其它人體生物特征識別技術(shù)，如指紋識別、虹膜識別、掌紋識別，人臉識別技術(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的主動配合、樣本采集方便、應(yīng)用場合廣泛、潛在的數(shù)據(jù)資源豐富、設(shè)備成本低等優(yōu)點[1]。人臉識別系統(tǒng)具備操作及流程簡單、適用

5、面廣、支持一對一或一對多比對、支持多點同時采集比對、帶有數(shù)據(jù)庫支持記錄及查詢功能，對采集現(xiàn)場環(huán)境要求較低，可在極短的時間里判斷出進出者的身份是否合法，杜絕使用他人鑰匙、密碼、磁卡等非法進入。人臉識別技術(shù)的安全性、可靠性較高，且擁有廣泛的市場需求，它可以應(yīng)用于公安部門的犯人檔案管理、犯人辨認(rèn)查找、刑偵破案、安全驗證系統(tǒng)、信用卡驗證、醫(yī)學(xué)、檔案管理、視頻會議、人機交互系統(tǒng)、證件核對、保安監(jiān)視、門禁控制及至自動柜員機（ATM）等多種場合[2]。人臉識別對人類來說是件自然而然的事情，但對計算機而言，人臉識別卻遠非一個已解決的課題。所有的人臉都具有相似的結(jié)構(gòu)，在紋理

6、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，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，人臉識別技術(shù)研究與相關(guān)科學(xué)的發(fā)展及人腦的認(rèn)識程度緊密相關(guān)[3]。諸多因素都使人臉識別研究成為一項極富挑戰(zhàn)性的課題，一方面信息化進程的日益加快，電子商務(wù)、重要場所的安全認(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，為滿足實際應(yīng)用系統(tǒng)對人臉檢測、跟蹤及識別技術(shù)的實時化要求提供了可能性[2]。所以，人臉識別的研究不僅涉及心理學(xué)、生理學(xué)、人工智能、模式識別、計算機視覺、

7、圖像分析與處理等多個學(xué)科領(lǐng)域，更是模式識別、人工智能和計算機視覺的典型案例之一[2]。對這一問題的研究和解決，有助于對其他對象識別問題的研究分析和解決，人臉識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價值。1.2國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢近30年來，人臉自動識別的研究取得了很大的進展，從工程索引（EI）上檢索到的相關(guān)文獻已達數(shù)千篇，包括IEEEPAMI在內(nèi)的重要國際期刊也有專欄甚至?？瘓蟮廊四樧R別的最新研究進展，同時還出現(xiàn)了專門的國際學(xué)術(shù)會議，如人臉手勢識別國際學(xué)術(shù)會議[1]。目前人臉識別領(lǐng)域內(nèi)最著名的國際研究機構(gòu)包括：美國麻省理工學(xué)院媒

8、體實驗室及人工智能實驗室、南加州大學(xué)、CMU卡內(nèi)基—梅隆機器人研究