基于神经网络的人脸识别方法研究.pdf

93 内江科技��1����10��技术创新
基于神经网络的人脸识别方法研究
安金梁
(西安电子科技大学电子工程学院)
摘要作为一个重要的人类外部特征,人脸识别具有重要的理论和实际应用价值。针对人脸图像具有大样本和高维度的特点,
本文提出了�神经网络识别算法,分析了�神经网络的基本特点,提出了利用人脸图像预处理获得面部图像的特征值,最后设计针对
人脸识别的神经网络系统。
关键词神经网络人脸识别
人工神经网络是一门交叉学科,其通过模拟人类大脑神经网络的设函数作为传递函数。
结构和工作机理,构建一种类似人脑的计算模型。人工神经网络从诞
生到现在,人们已经提出了数以百计的网络结构和算法模型,其中误
误差函数为:
差反向传播(�)神经网络是一种最成熟和应用最广泛的算法。人
脸识别目前已经成为数字图像处理和模式识别领域的一个研究热点。其中和分别为网络的期望输出和实际输出。
作为人类几个最重要外部特征的人脸识别有重要的理论价值和广泛的�算法的基本思想,学****过程由信号的正向传播与误差的反向
实践应用。人脸识别的复杂性在于面部特征会随着外部及内部条件的传播两个过程组成。正向传播时,输入样本从输入层传入,经各隐层
变化产生连续的变化。尽管有这些变化,我们人类仍能够在不同环境逐层处理后,传向输出层。若输出层的实际输出与期望的输出不符,
下识别面部特征,但是机器却不具备人脑所具备的这种能力,这就启则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过
发我们模仿人脑的结构模型和思维模式,利用人工神经网络进行人脸隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得
识别。各层单元的误差信号,此误差信号即作为修正各单元权值的依据。这
�神经网络在人脸识别应用中的优势种信号正向传播与误差反向传播的各层权值调整的过程,是周而复始
地进行的。权值不断调整的过程,也就是网络的学****训练过程。此过
神经网络方法进行人脸检测的优点主要在于可以简便地构造出神
程一直进行到网络输出的误差减小到可以接受的程度,或进行到预先
经网络系统作为分类器,使用人脸和非脸样本对该系统进行训练,让
设定的学****次数为止。
系统自动学****两类样本复杂的类条件密度,这样就避免了人为假设类
��算法步骤
条件密度函数所带来的问题。研究表明:通过神经网络设计了组合分
����Sigmoid��������������������算法步骤如下。
类器,在识别效果的准确率、容错性、鲁棒性等方面都有很大的优
��1����������������������������������������������������
势。神经网络方法在人脸识别上比其它类别的方法有独到的优势,避
值向量,学****迭代次数等。
免了复杂的特征提取工作,其可以通过学****的过程获得其它方法难以
��2����������������������������������������������������
实现的关于人脸识别的规律和规则的隐性表达。
过程直至收敛。
�人脸图像预处理��3������������������������出,
��1������������������������������������������