（毕业论文）改进型BP神经网络在人脸识别中的应用.docVIP

目 录 摘要（关键词） 1 1.引言 1 1.1人脸识别综述 1 1.2人脸识别的基本方法 2 1.3人脸识别的应用 3 2.主成分分析法 4 2.1主成分分析法概述 4 2.2 K-L变换 4 2.3主成分分析法及其基本思想与任务 5 2.4主成分分析法的原理、目的及主成分特点 7 3. BP神经网络及其在主成分分析法中的应用 7 3.1 BP神经网络概述及其模型与结构 7 3.2 BP神经网络的激活函数、学习规则及其语言实现 8 3.3 BP神经网络的训练及其设计过程 13 3.4 BP神经网络的限制及其改进方法 14 3.5 主成分分析法的计算步骤及其语言实现 17 4. 测试过程与结果及软件的语言实现 26 4.1实验前期准备的操作 26 4.2 测试人脸图库 29 4.3保存和读取BP网络训练结果 33 4.4人脸识别实验结果展示 37 5. 结束语 45 参考文献 47 致谢 48 Abstract(Key words) 49  改进型BP神经网络在人脸识别中的应用 【摘要】随着社会的进步，科技的发展，生活的改善,人类的安全意识也在逐渐提高，因此，人脸识别系统正在引起越来越多人的关注。本文是在BP神经网络基础上进行改进，并利用改进型BP神经网络的优秀分析能力，对综合脸谱进行分析，可以得出脸谱图像的一般特征，通过C++将这一过程编写成以软件的方式体现，使得这一研究可以得出相似图片之间的差别，在人工智能方面，可以对其差别进行分析，并做出相应的指令，特别是在仓库的智能管理方面非常有益。 【关键词】数据挖掘;人脸分析;BP神经网络;PCA算法;人脸识别软件;C++编程 1.引言 1.1人脸识别综述 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，人脸追踪侦测，自动调整影像放大，夜间红外侦测，自动调整曝光强度；它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。人脸的识别过程一般分三步： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。 (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。人脸检测(Face Detection)是一种在任意数字图像中找到人脸的位置和大小的计算机技术。它可以检测出面部特征，并忽略诸如建筑物、数目和身体等其他任何东西有时候，人脸检测也负责找到面部的细微特征，如眼睛、鼻子、嘴巴等的精细位置。许多算法将人脸检测实现为一个两类模式分类任务也就是说，图像的指定位置会被转换为特征，然后一个预先训练好的分类器将决定该部分是或不是人脸。通常情况下，要用到滑动窗口技术也就是说，分类器对图像的任意位置和任意尺寸的部分(通常是正方形或长方形)进行分类，判定是或不是人脸。具有空白和静态背景的图像比较容易处理，如果图像只包含一个正面人脸的话，只要去除背景后就只剩下人脸了。使用肤色来检测人脸是比较脆弱的。数据库可能没有包含所有皮肤的颜色，同时光照也会影响检测结果。由于使用色彩分割，具有类似于肤色颜色的非动物物体也会被检测到。这种方式的是对于人脸的朝向和尺寸没有要求，并且一个好的实现可以处理复杂的背景。, 即在图像或图像序列的给定区域内搜索部分或所有人脸特征(如眼、鼻、嘴、耳等) 的位置、关键点或轮廓线。目前用于人脸识别的特征有如下几种：直观性特征、灰度的统计特征、变换系数特征、代数特征。人脸识别经常受到人脸图像数据高维问题的影响，特征提取就是将数据空间变为特征空间，从而达到降维的作用[2]。 1.2人脸识别的基本方法 人脸识别系统包括两个主要的技术环节，先是检测与定位，即从输入图像中找到人脸，将人脸从背景中分离开来，然后再对标准化后的人脸进行特征提取和识别。这两个环节独立性非常强，所以通常分开讨论。 关于人脸检测与定位目前普遍采用的方法有参考模板法人脸规则法样品学习法肤色模型法特征子脸法特征向量法面纹模板法 ①参考模板法 首先设计一个或数个标准人脸的模板，然后计算测试采集的样品与标准模板之间的匹配程度，并通过阈值来判