基于特征脸和BP神经网络的人脸识别.docVIP

基于特征脸和BP神经网络的人脸识别 摘要: 利用类间的散布矩阵, 寻找特征脸子空间, 让每一类在子空间中散布得更开; 然后结合BP 神经网络学习能力强、分类能力强的优点, 利用它实现分类器。具体是将所有的样本投影到特征脸子空间中, 并将每一个样本得到的特征系数作为BP 神经网络的输入。实验证明, 这种方法是有效的。 关键词: 图像预处理; 人脸识别; 人脸检测; BP神经网络 近十年来, 在计算机视觉和模式识别领域中人脸自动识别系统研究变得非常活跃。总的来说, 它可以分成两部分: ① 人脸检测。它指判断在一幅图像中是否有人脸; 如果有, 定位每张人脸具体位置。②人脸识别。它是指根据数据库中已有的人脸样本确认或验证在一场景中每一张人脸的身份。但是影响人脸识别性能的因素很多, 表现在人脸是非刚体, 存在表情、姿态的变化, 随着年龄也会变化; 其次是受到光照、附属物和成像质量的影响。 根据R.Bmnelli 和T.Poggio 人脸识别技术主要分成两大类, 即基于几何特征的人脸识别和基于模板匹配的人脸识别方法[1] 。早期的研究工作主要集中在基于几何特征的方法上[2] , 但是这类方法人为地指定特征, 丢失了大量判别信息,所以识别率不高。目前在模板的整体匹配方法上做了大量的工作, 最具有代表意义的是基于特征脸的方法[3 ～5] 。它从整体上提取人脸的代数特征进行识别, 推动了人脸识别技术