文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于主元分析和BP神经网络的人脸识别研究
侵权投诉

基于主元分析和BP神经网络的人脸识别研究

基于主元分析和BP神经网络的人脸识别研究

第6期 韩 柯等:基于主元分析和BP神经网络的人脸识别研究 69

wji(n+1)=wji(n)+# joki

!j(n+1)=!j(n)+# j

(6)当k每次由1增加到P后,判断误差函数的值是否满足精度的要求。

E

式中, 为预先指定的精度,并判断迭代次数是否达到最大训练次数MAX。

(7)结束。

为了加快BP网络的收敛速度,文中采用了学习步长自适应算法。具体方法为:

当E(n)<E(n-1)时

#(n)=#(n-1) ; >1

当E(n)/E(n-1)>c时

#(n)=#(n-1)%;%<1

其他

#(n)=#(n-1)(16)式中, ,%和c均为常数,n表示迭代次数。

学习步长自适应算法使学习步长#根据网络的当前状态朝着最优化方向自动调整,而且可以使网络在学习过程中跳出局部极小点,达到全局最小点。(14)(15)(11)(12)(13)

3 实验和结论

在人脸识别实验中,本文采用了南京理工大学模式识别与人工智能实验室的人脸图像库。摄入人脸图像的设备是一台黑白摄像机,每幅人脸图像的大小为256 256。每张人脸可在上下、左右大约15%范围内倾斜,无表情,也不戴眼镜。所有人脸图像都经过人脸检测得到双眼和嘴的位置,并经过人脸图像的预处理,可获得对人脸的姿态变化、尺度变化、位置变化和光照强度均不敏感的脸部校准图像,校准后的人脸图像大小为32 32,如图2

基于主元分析和BP神经网络的人脸识别研究

所示。

图2 归一化后的人脸图像

本文从人脸图像库中随机抽取30个人共300幅人脸图像,其中每个人都有10幅不同的脸部图像,对于每一个人的这10幅图像,选取其中的7幅图像作为训练样本,剩余3幅图像作为测试样本,并在测试样本的基础上加入高斯噪声,构成新的测试样本。

在经过K-L变换求解特征空间后,人脸图像向量就可以在该特征空间进行投影,并获得其投影系数向量,投影系数向量就是所提取的人脸特征。在特征提取和压缩之前,人脸图像向量的维数为1024,经过特征提取和压缩后,人脸图像向量的维数是119,从而大大降低了人脸识别时的运算量。

经过对人脸图像的特征提取后,每张人脸图像都由一个向量xi(1 i 210)表示其特征,向量xi的维数大小为119。实验中把BP神经网络输入层神经元的个数l设为向量xi的维数,输出层神经元的个数m为人脸的类别数,隐层神经元的个数n为:

l+0.618 (l-m) l#m n=(17)l-0.618 (m-l) l<m

经过式17的计算后,可以得到隐层神经元的个数n为174.002,然后对n进行四舍五入取整,最后[8]

上一页第3页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email