基于DCT和RBF神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng).pdf

1、人臉識別是生物識別技術(shù)中的一種。與其他生物識別技術(shù)不同，人臉識別具有使用者友好和可以被大量應(yīng)用的顯著優(yōu)點，而這也使得它成為模式識別的一個具有挑戰(zhàn)性的課題。人臉識別覆蓋了圖像處理、模式識別、計算機視覺和神經(jīng)網(wǎng)絡(luò)等多個領(lǐng)域的內(nèi)容。由于快速增長的應(yīng)用需求以及神經(jīng)網(wǎng)絡(luò)、小波分析、計算機圖形學(xué)和計算機視覺等技術(shù)的發(fā)展，人們對人臉識別的興趣不斷升溫，研究工作也異?；钴S。 當前，許多針對人臉識別的方法已經(jīng)被提了出來，并且它們也都取得了一定的成

2、績，但是對于計算機來說，要想快速、準確地識別出一張人臉，仍然是一個較為困難的任務(wù)。特別是在多變的環(huán)境里，比如有光照的變化、姿勢的變化、表情的變化、是否戴有遮飾物等等，更加要求識別算法具有良好的魯棒性。同時，人臉本身之間的相似性，以及不可預(yù)測的變化則進一步給識別工作帶來了困難。 本文提出了基于離散余弦變換 (DCT)、fisher 線性判別 (FLD) 和徑向基神經(jīng)網(wǎng)絡(luò)(RBF)的識別方法，將由DCT+FLD變換得到的整體特征加上

3、精心選取的局部特征，共同組成最能表征人臉的特征向量送進RBF神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)和分類。從DCT的低頻系數(shù)中選取的特征集中了人臉大部分的信息量，經(jīng)由FLD最佳投影將這些特征盡可能地分開，便得到了具有較好魯棒性的整體特征；而精心選取的局部特征則彌補了整體特征在區(qū)分人臉之間相似性方面的不足。最后的RBF神經(jīng)網(wǎng)絡(luò)分類器不僅結(jié)構(gòu)簡單、速度快而且準確率也比較高，使得本文提出的方法相應(yīng)地具有了識別速度快，識別率較高的特點。實驗表明，本文提出的方法在速度