基于局部特征Gabor小波的BP神经网络的人脸识别.docVIP

基于局部特征Gabor小波的BP神经网络的人脸识别 摘要 人脸识别是自动识别领域的一个研究重点。本文提出了基于Gabor小波局部特征的BP神经网络的人脸识别算法。该方法在保留了Gabor小波符合人眼的生物特征性的基础上，融合了神经网络的强大学习能力。该方法采用局部Gabor小波特征作为神经网络输入，最后采用改进的BP神经网络对样本分类，用ORL标准人脸库进行实验，结果数据表明，该算法在提高准确率和减少计算时间方面具有实用价值 关键词 人脸识别；Gabor小波；小波网络；神经网络；特征抽取 中图分类号TP39 文献标识码A 文章编号 1674-6708（XX年，Rumelhart、Hinion和Williams提出了用于前向神经网络学习训练的误差反向传播算法(Error Back Propagation，EBP，简称BP)，成功地解决了多层网络中隐含层神经连接权值的学习问题[2] BP神经网络训练过程即学习过程：神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。学习的本质是对各连接权值的动态调整，令输出结果达到预期目标。学习规则是在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。图1为改进BP神经网络的模型图 原始BP算法的主要缺点[3]为：收敛速度慢和可能陷入局部极值。本文对BP算法进行了改进，改进方法如下：