基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別技術(shù)的研究.pdf

1、人臉識(shí)別技術(shù)如今已經(jīng)成為模式識(shí)別領(lǐng)域研究的熱點(diǎn)和難點(diǎn)之一，經(jīng)過(guò)眾多科研人員多年的努力，該領(lǐng)域已取得了許多成果。但由于人臉識(shí)別問(wèn)題自身的復(fù)雜性，要實(shí)現(xiàn)普遍的應(yīng)用還有許多關(guān)鍵性的問(wèn)題需要解決。 本文首先介紹了人臉識(shí)別的背景、發(fā)展概況和人臉識(shí)別的主要方法，然后采用了一種基于小波變換和KL變換進(jìn)行特征提取，并以BP神經(jīng)網(wǎng)絡(luò)作為分類器的人臉識(shí)別方法，仿真實(shí)驗(yàn)具有一定的識(shí)別效果，這表明本方法是一種可行的人臉識(shí)別方法。 本文的主要工作

2、如下： 1、預(yù)處理：對(duì)南京理工大學(xué)人臉圖像庫(kù)中每幅人臉圖像進(jìn)行校準(zhǔn)、定位和標(biāo)準(zhǔn)化處理后，得到大小為32×32的人臉圖像。人臉預(yù)處理過(guò)程消除了尺度、光照強(qiáng)度等差異對(duì)人臉識(shí)別的影響。 2、小波變換：對(duì)預(yù)處理后的人臉圖像進(jìn)行二次小波變換，提取大小為8×8的低頻系數(shù)圖像進(jìn)行后續(xù)處理，此低頻系數(shù)圖像包含了人臉圖像絕大部分的信息和能量，并在一定程度上達(dá)到了降低數(shù)據(jù)維數(shù)的目的。 3、KL變換：KL變換以最小均方誤差為準(zhǔn)則進(jìn)行維

3、數(shù)的壓縮，是一種廣泛使用的特征提取方法。本文以小波變換后的低頻系數(shù)圖像的總體散布矩陣為初始矩陣進(jìn)行KL變換，得到人臉識(shí)別的特征向量。 4、BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：選用互不重疊的訓(xùn)練樣本集和測(cè)試樣本集，采取完全訓(xùn)練和批量訓(xùn)練的訓(xùn)練策略對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法采用的是改進(jìn)的反向傳播算法-彈性BP算法。 5、人臉識(shí)別：對(duì)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行測(cè)試時(shí)，分別對(duì)訓(xùn)練樣本集和測(cè)試樣本集的人臉圖像進(jìn)行了識(shí)別