关于Gabor小波和人工神经网络的人脸识别.doc

依据Gabor小波和人工神经网络的人脸辨认 摘要 人脸辨认是核算机视觉范畴中十分活泼的一个研讨方向，在图画、生物、工业等民用范畴及军事范畴中有着广泛的运用，其间以方针特征的获取为难点与要点。这篇文章研讨的意图是前进Gabor方针辨认算法的鲁棒性，降低负面要素对辨认作用的影响。首要介绍了常用的分类规矩，剖析了人工神经网络以及BP算法的优缺陷。给出了一种变步长学习速率的改善办法，优化了BP神经网络，为后文的辨认研讨供给了较好的分类器撑持。 要害字：神经网络， Gabor滤波器，特征获取，人脸辨认 Abstract The automatic target recognition is a pop issue in the computer vision area，that has been used abundantly in many fields such as image，biology,industry and SO on，especially in military circles．During ATR’S taches，extracting feature of target image should be the most difficult and important one．The aim of this paper is to enhance the robustness of corresponding Gaboralgorithm andto weaken the effect of negative factors．Firstly,some main classifiers are presented，and some advantage and disadvantage of BP network which belong to the ANNare analysed．An improved method whose step extent shift is given to optimize the BP net，which supplies a better classifier for the next work． Keywords：Neural network，Gabor Jets，Feature extracting，Face recognition 1 序言 1.1 研讨布景及含义 人脸辨认是生物特性区分技能的一个首要方向，它触及图画处置，形式辨认，核算机视觉等多个研究范畴，具有十分广泛的运用远景，多年来一直是一个研讨热门。关联于其它人体生物特征辨认技能，如指纹辨认、虹膜辨认、掌纹辨认，人脸辨认技能是最直接、最天然、最简略被人承受的。与其它技能比拟，它具有侵略性小、较少需求或不需求用户的自动协作、样本收集便利、运用场合广泛、潜在的数据资源丰富、设备本钱低一级长处[1]。人脸辨认体系具有操作及流程简略、适用面广、撑持一对一或一对多比对、撑持多点一起收集比对、带有数据库撑持记载及查询功用，对收集现场环境需求较低，可在极短的时间里区分出进出者的身份是不是合法，根绝运用别人钥匙、暗码、磁卡等不合法进入。人脸辨认技能的安全性、可靠性较高，且具有广泛的市场需求，它能够运用于公安部门的监犯档案管理、监犯辨认查找、刑侦破案、安全验证体系、信用卡验证、医学、档案管理、视频会议、人机交互体系、证件核对、保安监督、门禁操控及至自动柜员机（ATM）等多种场合[2]。 人脸辨认对人类来说是件天但是然的工作，但对核算机而言，人脸辨认却远非一个已处置的课题。一切的人脸都具有类似的布局，在纹路上也十分附近。别的图画受光照、成像视点及成像距离等外界条件影响，具有“一人千面”的特色，欲树立一种具有各种不变性的描绘模型仍是比拟艰难的。此外，人脸辨认技能研讨与关联科学的开展及人脑的知道程度严密关联[3]。许多要素都使人脸辨认研讨变成一项极富挑战性的课题，一方面信息化进程的日益加速，电子商务、重要场所的安全认证、智能化环境等许多运用范畴对与人脸有关的信息处置提出了迫切需求；另一方面，硬件和软件技能的开展，为满意实习运用体系对人脸检测、盯梢及辨认技能的实时化需求供给了能够性[2]。 所以，人脸辨认的研讨不只触及心理学、生理学、人工智能、形式辨认、核算机视觉、图画剖析与处置等多个学科范畴，更是形式辨认、人工智能和核算机视觉的典型事例之一[2]。对这一疑问的研讨和处置，有助于对其他方针辨认疑问的研讨剖析和处置，人脸辨认也因而变成这些根底研讨范畴的重要课题之一，具有重要的理论研讨价值。 1.2 国内外研讨现状及开展趋势 近30年来，人脸自动辨认的研讨获得了很大的开展，从工程索引（EI）上检索到的关联文献已达数千篇，包含IEEE PAMI在