毕业设计（论文）-基于Gabor小波和人工神经网络的人脸识别汇.docxVIP

基于Gabor小波和人工神经网络的人脸识别摘要人脸识别是计算机视觉领域中非常活跃的一个研究方向，在图像、生物、工业等民用领域及军事领域中有着广泛的应用，其中以目标特征的提取为难点与重点。本文研究的目的是提高Gabor目标识别算法的鲁棒性，降低负面因素对识别效果的影响。首先介绍了常用的分类规则，分析了人工神经网络以及BP算法的优缺点。给出了一种变步长学习速率的改进方法，优化了BP神经网络，为后文的识别研究提供了较好的分类器支持。关键词：神经网络， Gabor滤波器，特征提取，人脸识别AbstractThe automatic target recognition is a pop issue in the computer vision area，that has beenused abundantly in many fields such as image，biology,industry and SO on，especially inmilitary circles．During ATR’S taches，extracting feature of target image should be the mostdifficult and important one．The aim of this paper is to enhance the robustness ofcorresponding Gaboralgorithmandto weaken the effect of negative factors．Firstly,some main classifiers are presented，and some advantage and disadvantage of BPnetwork which belong to the ANNareanalysed．An improved method whose step extent shiftis given to optimize the BP net，which supplies a better classifier for the next work．Keywords：Neural network，Gabor Jets，Feature extracting，Face recognition1 绪论1.1 研究背景及意义人脸识别是生物特性鉴别技术的一个主要方向，它涉及图像处理，模式识别，计算机视觉等多个研究领域，具有十分广泛的应用前景，多年来一直是一个研究热点。相对于其它人体生物特征识别技术，如指纹识别、虹膜识别、掌纹识别，人脸识别技术是最直接、最自然、最容易被人接受的。与其它技术相比，它具有侵犯性小、较少需要或不需要用户的主动配合、样本采集方便、应用场合广泛、潜在的数据资源丰富、设备成本低等优点[1]。人脸识别系统具备操作及流程简单、适用面广、支持一对一或一对多比对、支持多点同时采集比对、带有数据库支持记录及查询功能，对采集现场环境要求较低，可在极短的时间里判断出进出者的身份是否合法，杜绝使用他人钥匙、密码、磁卡等非法进入。人脸识别技术的安全性、可靠性较高，且拥有广泛的市场需求，它可以应用于公安部门的犯人档案管理、犯人辨认查找、刑侦破案、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、证件核对、保安监视、门禁控制及至自动柜员机（ATM）等多种场合[2]。人脸识别对人类来说是件自然而然的事情，但对计算机而言，人脸识别却远非一个已解决的课题。所有的人脸都具有相似的结构，在纹理上也十分相近。另外图像受光照、成像角度及成像距离等外界条件影响，具有“一人千面”的特点，欲建立一种具有各种不变性的描述模型还是比较困难的。此外，人脸识别技术研究与相关科学的发展及人脑的认识程度紧密相关[3]。诸多因素都使人脸识别研究成为一项极富挑战性的课题，一方面信息化进程的日益加快，电子商务、重要场所的安全认证、智能化环境等许多应用领域对与人脸有关的信息处理提出了迫切要求；另一方面，硬件和软件技术的发展，为满足实际应用系统对人脸检测、跟踪及识别技术的实时化要求提供了可能性[2]。所以，人脸识别的研究不仅涉及心理学、生理学、人工智能、模式识别、计算机视觉、图像分析与处理等多个学科领域，更是模式识别、人工智能和计算机视觉的典型案例之一[2]。对这一问题的研究和解决，有助于对其他对象识别问题的研究分析和解决，人脸识别也因此成为这些基础研究领域的重要课题之一，具有重要的理论研究价值。1.2 国内外研究现状及发展趋势近30年来，人脸自动识别的研究取得了很大的进展，从工程索引（EI）上检索到的相关文献已达数千篇，包括IEEE PAMI在内的重要国际期刊也有专栏甚至专刊报道人脸识别的最新研