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25卷第6期

2005年12月杭州电子科技大学学报Journal of Hangzhou Dianzi UniversityVol.25,No.6 Dec.2005

基于主元分析和BP神经网络的人脸识别研究

韩 柯1,王汇源2,朱秀昌1

(1.南京邮电大学通信与信息工程学院,江苏南京210003;

2.山东大学信息科学与工程学院,山东济南250100)

摘要:该文提出了一种主元分析和BP神经网络相结合的人脸识别方法。其中主元分析方法用于

提取人脸图像的特征,而BP神经网络用于对提取的人脸特征进行识别。实验结果表明,在进行人

脸识别时,该文提出的主元分析和BP神经网络相结合的方法同传统的主元分析方法相比取得了

良好的效果。此方法具有较高的识别率、较强的自适应性以及对噪声的鲁棒性。

关键词:人脸识别;神经网络;主元分析;模式识别

中图分类号:TP391.41 文献标识码:A 文章编号:1001-9146(2005)06-0067-04

0 引 言

人脸自动识别是目前模式识别领域中具有广阔应用前景和重要理论价值的热门研究课题。人脸的自动识别就是用计算机对人脸图像进行分析和处理,从人脸图像中获取有效的识别信息,用来进行人脸及身份鉴别的一门技术。目前人脸识别的研究方法可分为基于几何特征的识别方法、基于代数特征的识别方法和基于神经网络的识别方法[1,2,3]。这些方法对于如何提取人脸特征及提取哪些特征做了许多的探索,但在解决自适应性和特征提取之间的矛盾上并没有太大的进展。为此,文中提出了主元分析和BP神经网络相结合的方法,该方法在提取人脸特征的同时还保持了良好的自适应性。

1 人脸图像的特征提取

主元分析法是模式识别中的一种行之有效的特征提取方法。在人脸识别研究中,可以将主元分析法用于人脸图像的表示[4]。

一幅N N大小的人脸图像可以按列相连接而构成一个N2维的列向量,该向量可看成是N2维空间中的一个点。由于人脸结构的相似性,人脸图像在这一高维空间中不是随机或散乱地分布的,而是存在着一定的规律性。因此,可以通过K-L变换用一个低维子空间描述人脸图像,同时又能保留所需要的识别信息。

以归一化后的人脸图像作为训练样本集,以该样本集的总体散布矩阵作为生成矩阵,即:

MT St=i= 1(xi- x)(xi- x)(1)M

式中St为总体散布矩阵,xi为第i个训练样本的图像向量, x为训练样本集的均值向量,M为训练样本的总个数。

通常总体散布矩阵St的维数较大,如果直接计算它的特征值和正交归一的特征向量,运算量会很大。但在实际计算中,由于St可以表示为:

收稿日期:2005-04-21

作者简介:韩 柯(1979-),男,山东临清人,博士,图像处理与多媒体通信.

第1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