基于GA-BP神经网络的人脸智能检测算法.docxVIP

基于GA-BP神经网络的人脸智能检测算法 摘 要：传统的BP神经网络算法收敛过慢、局部收敛不理想，影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA—BP神经网络对人脸图像进行检测的新方法：将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络，使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快，而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。 关键词：人脸检测；BP网络；遗传算法；GA—BP网络 Face Detection Based on GA ——BP Neural Network Abstract：The constringency of the conventional BP neural network algorithm is too slow and local constringency is not ideal，which effect working performance．The lack above and face image data too big，a new method that the face detection method based on GA —BP neural network is introduced in this paper．M aking the Genetic Algorithm (GA)search algorithm is used to train the network with updating the weights to minimize the error between the network output and the desired output．Then the Back—Propagation (BP)algorithm is used to further train the artificial neural network used for face detection．The experiment indicate This network convergence rate is not only quick，moreover easy to achieve the optimal solution．This net—work has the high detection precision to the face image detection． Keywords：face detection；BP neural network；genetic algorithm ；GA —BP neural network 引言 人脸检测是图像处理和识别领域的一个重要研究的课题，具有广泛的应用价值，例如档案管理系统、人机交互、驾驶执照、身份证的识别检测，刑侦破案中犯罪嫌疑人照片的识别等，可以说人脸检测是一种重要的个人身份鉴别的方法。本文将神经网络和遗传算法有机的结合起来，建立了一种遗传神经网络，然后利用优化后的神经网络较好地解决人脸检测中往往存在的噪声、残缺和戴眼睛的人脸图像等。GA—BP网络的应用于人脸检测具有检测速度快、检测精度高等特点。 1.被控对象的特性 人脸是一个极为普通、重要而又十分复杂的模式，其中蕴含的信息量非常丰富，本来在复杂的背景图像中区别人脸和其它物体就是一个比较困难的同题。并且由于以下原因使得人脸检测的困难加大。(1)姿势；(2)脸部的相关结构化的部件；(3)脸部表情；(4)图像的定位；(5)图像的自身条件。因此，如能够找到解决以上问题的方法，成功地构造出人脸检测系统，将为解决其它类似的复杂模式检测问题提供重要的启示。因而人脸检测技术的研究具有重要的学术价值。 2.控制目标 人脸检测的确切定义为：任意给出一幅图像，系统能够准确分析图像中的信息，判断出图像中是否存在人脸；如果存在，则返回人脸在图像中的确切位置和范围。所以它研究的主要问题是判断静态图像或动态影像中是否存在人脸，如果存在则对人脸进行定位。 而我们控制的目标就是更加准确地判断图像中人脸的存在性和定位人脸，这个过程中又涉及到一些系统控制指标，如精度、自适应性、容错性、分类能力和检测时间等。我们设计的控制系统应该尽量的提高系统控制指标。 3.控制方案的选定 卷积神经网络擅于提取具有类别分辨能力的隐式特征，在人脸检测等领域获得巨大成功。然而典型的卷积神经网络的固定结构又使得网络规模初始设定只能是经验性的，难以实现后继的再学习。 BP神经网络是一种多层前向网络，由输入层、输出层、隐含层(可以是一层或多层)构成，是一种典型的三层BP神经网络模型。BP神经网络具有较强的容错性和自适应学习能力，但同时传统的BP如学