基于BP神經(jīng)網(wǎng)絡的人臉識別技術(shù)的研究.pdf

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

2、如下： 1、預處理：對南京理工大學人臉圖像庫中每幅人臉圖像進行校準、定位和標準化處理后，得到大小為32×32的人臉圖像。人臉預處理過程消除了尺度、光照強度等差異對人臉識別的影響。 2、小波變換：對預處理后的人臉圖像進行二次小波變換，提取大小為8×8的低頻系數(shù)圖像進行后續(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則進行維

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行KL變換，得到人臉識別的特征向量。 4、BP神經(jīng)網(wǎng)絡的訓練：選用互不重疊的訓練樣本集和測試樣本集，采取完全訓練和批量訓練的訓練策略對BP神經(jīng)網(wǎng)絡進行訓練，其中BP神經(jīng)網(wǎng)絡的學習算法采用的是改進的反向傳播算法-彈性BP算法。 5、人臉識別：對訓練好的BP神經(jīng)網(wǎng)絡分類器進行測試時，分別對訓練樣本集和測試樣本集的人臉圖像進行了識別