基于主元分析和BP神经网络的人脸识别研究
70 杭州电子科技大学学报 2005年训练样本的目标向量ti(1 i 210)的个数也为210个,向量ti的维数为人脸的类别数30,对每一个人脸类别赋予唯一的标号,例如如果第6个输出神经元的目标信号为1,其余输出神经元的目标信号为0,那么则认为待识别样本是第6个人。如果人脸的类别数增加,那么还可以相应地增加输出层神经元的个数。如果人脸的类别数较多,还可以对输出层的目标信号进行编码,以减少输出层神经元的个数。
在实验中,待识别的图像共有90幅,分别对这90幅图像加入强度不等的高斯噪声,高斯噪声的均值都为0,方差为coef(coef的取值分别为0、0.005、0.01、0.03和0.05),这样就构成了5组待识别样本。
为了说明BP神经网络作为分类器的分类性能,本文分别采用了最近邻距离法和BP神经网络方法进行人脸识别,识别结果如表1所示。
表1 最近邻距离法和BP神经网络法的识别结果比较
coef=0
coef=0.005
coef=0.01
coef=0.03
coef=0.05
最近邻距离法90.00%(9张误识)86.67%(12张误识)77.78%(20张误识)54.44%(41张误识)47.78%(47张误识)BP神经网络法96.67%(3张误识)88.89%(10张误识)82.22%(16张误识)65.56%(31张误识)57.78%(38张误识)从表1可以看出,采用BP神经网络作为分类器比常用的最近邻距离分类器在识别率上有了一定的提高。实验中发现,识别错误的测试样本一般与该人人脸的训练样本有较大的变化,然而BP神经网络之所以取得较高的识别率,这主要是由于BP神经网络在自适应性、抗噪声和抗畸变性上都有一定的优越性,这对于在不能进行特别预处理的情况下对人脸图像进行有效的识别而获得良好的识别效果是十分重要的,文中所提出的主元分析和神经网络相结合的方法在这个方面就得到了良好的效果。
神经网络虽然具有良好的自适应性,但它本身也存在着一些固有的缺陷,例如收敛速度较慢、先验参数较多并且有些参数的确定凭经验而定等,因此在一些方面仍有待做进一步的探索。
参考文献
[1] BrunelliR,PoggioT.Featurerecognition:featuresversustemplates[J].IEEETransactionsonPatternAnalysisandMachineIn
telligence,1993,15(10):1042-1052.
[2] LinSH,KungSY,LinLJ.Facerecognition/detectionbyprobabilisticdecision-basedneuralnetwork[J].IEEETransactions
onNeuralNetworks,1997,8(1):114-132.
[3] TurkM,PentlandA.Eigenfacesforrecognition[J].JournalofCognitiveNeuroscience,1991,3(1):71-86.
[4] 边肇祺,张学工.模式识别[M].北京:清华大学出版社,2000.223-227.
[5] 杨奕若,王煦法.利用主元分析与神经网络进行人脸识别[J].电子技术应用,1998,(3):21-22.
[6] 袁曾任.人工神经元网络及其应用[M].北京:清华大学出版社,1999.66-68.
[7] 杨建刚.人工神经网络实用教程[M].杭州:浙江大学出版社,2001.42-45.
[8] 戚德虎,康继昌.BP神经网络的设计[J].计算机工程与设计,1998,19(2):48-50.
AStudyofFaceRecognitionBased
onPrincipalComponentAnalysisandBPNeuralNetwork
HANKe1,WANGHui yuan2,ZHUXiu chang1
(1.Comm.&Info.Eng.Institute,NanjingUniv.ofPosts&Telecom.,JiangsuNanjing210003,China;
2.SchoolofInfo.Sci.andEng.,ShandongUniv.,ShandongJinan250100,China)
Abstract:Anapproachthatcombinesprincipalcomponentanalysis(PCA)withBPneuralnetworkisproposedandap pliedtohumanfacerecognitioninthispaper.PCAisemployedtoextractfacefeatures,andBPneuralnetworkisusedtoclassifytheextractedfeatures.ExperimentalresultsshowthattheproposedapproachperformsbetterthanconventionalPCA.Theproposedapproachhashigherrecognitionrate,strongeradaptabilityandbetterrobustnesstonoise.Keywords:facerecognition;neuralnetworks;principalcomponentanalysis;patternrecognition
BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代彗样本的少数几...
本文提出了基于主分量分析 PCA)与BP 神经网络的人脸 (识别算法,该算法利用小波变换WaveletTransform)的多分辨( 率分析对原始灰度图像数据进行数据压缩、 噪声, ...
在人脸识别研究中. 可以将主成分分 析法用于 人脸图像的表示 。 在文献[ 7]...基于主元分析和 BP 神经网络 的人脸 Face r ecognit ion precision of BP ...
关键词:人类识别、BP 神经网络、PCA、特征提取 引言人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。 人脸识别是一项热门的计算机技术研究领域,可以...
一种新的BP神经网络人脸识别方法研究_信息与通信_工程科技_专业资料。一种新...基于主元 分析和 BP 神经网络的人脸识别研究[ J] . 杭州电子科技大学学报, ...
《现代电子技术》 2007 年第 2 期总第 241 期 嵌入式与单片机 主成分分析与 BP 神经网络的人脸识别方法研究蔺广逢1 ,范引娣2 ,张 3 媛 ( 1. 西安理工...
基于BP神经网络的人脸识别系统_专业资料。人脸识别由于属于非接触性识别,因而具有深远的发展潜力并且已经取得了长足的进步。多年来,人们对人脸识别技术进行了深入的...
基于BP神经网络的人脸识别系统的研究与实现 实现了一种基于BP神经网络的自动人脸识别模型的人脸图片识别算法,阐述了该算法的基本原理、模型以及实现过程,并通过实验...
利用几何分析法和BP神经网络进行人脸识别的研究_IT/计算机_专业资料。提出了一种基于几何特征分析和人工神经网络由粗到细的两级人脸探测方法。在第1级中,眼睛和...
基于ICA与BP神经网络相结合的人脸识别研究 提出了独立成分分析和BP神经网络相结合的人脸识别方法。首先对人脸图像进行小渡分解。提取人脸图像的低频子带图像,然后用被...
热门文档