隐Markov型和神经网络人脸识别算法研究.pdfVIP

摘要 摘 要 人脸自动识别是计算机科学的一个前沿课题，有着十分广泛的应用前景，其 对人脸的自动识别涉及到模式识别，数字图像处理，生理和心理等多方面的课题。 目前常用的方法有特征脸方法、小波分析方法、基于神经网络的人脸识别方法、 基于统计模型的识别算法。当光线、角度及人脸尺寸变化时，识别率明显下降， 且应用神经网络算法时原始灰度图象数据量十分庞大，造成神经元数目过多，训 练时间很长。 本论文针对上述问题，提出了两种人脸识别算法：基于HMM 的统计模型人 脸图像识别算法和基于灰度形态学的BP 神经网络算法。论文的主要内容包括： 1、分析了人脸自动识别的研究现状，对人脸特征提取，HMM ，ANN 改造等 关键技术进行了讨论。 2 、根据人脸识别系统的技术要求，给出了系统的总体设计方案，阐述了系统 的硬件结构和软件流程。 3 ．由于人脸自上而下自左至右的不同特征区域可用隐Markov 模型的状态序 列来表示，因此提出基于DCT 离散余弦变换的数据压缩方法和隐马尔可夫模型相 结合的方法，通过求取输入样本的最优状态序列来计算与人脸状态图的最大相似 度来对人脸进行快速识别。 4、研究了利用数学形态学对人脸图像的特征提取方法，并与神经网络相结合 构造了形态学分权BP 神经网络，并将其成功用于人脸自动识别。 5 ．对人脸模型的三维重建问题进行初步探讨。 6 ．研究了基于COM 技术的Visual C++ 与Matlab 混合编程技术，从而实现 了系统的快速开发。 关键词：人脸识别，模式识别，隐马尔可夫模型，数学形态学、神经网络 I ABSTRACT ABSTRACT Automatic Human Face Recognition (AHFR) is a leading research field in Computer Science; AHFR could be used in many disciplines. To employ machine in AHFR, we need to pay attention to these fields: pattern recognition, digital image processing, cognitive science and psychology, etc. There are some popular methods for AHFR: eigenfaces, wavelet analysis, neural networks based recognition and statistical model based recognition. But we may encounter some problems, e.g., there will be low recognition efficiency when the illumination, angle and the size of human face varying, and there is another problem when we use neural networks to recognize human face, the original gray images contain a hugeness data, these data requires tremendous neurons and this is a time consuming task. To overcome the problems listed above, in this thesis, I give two novel algorithms for AHFR: one is Hidden Markov Model (HMM) ba