脸部辨識应用.PDFVIP

以粒子群最佳化演算法為基礎之改良型多層類神經網路於臉部辨識應用 ▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔ 以粒子群最佳化演算法為基礎之改良型多層類神經網路於 臉部辨識應用 A PSO-Based Modified Multilayer Neural Network for Face Recognition 1 1 2 林正堅 黃雅紫 李繼永 1 朝陽科技大學，資訊工程系 2 南開技術學院，資訊工程系 摘要 本論文將提出一個人臉辨識系統，主要分成為三個部分：1.影像處理，使用賈伯濾 波器去除臉部影像中不必要的訊號，保留人臉的紋理特徵，利用小波轉換提升效率； 2. 特徵擷取，利用主成份分析(Principal Component Analysis, PCA)抽取出重要特徵以降低 資料的維度； 3.影像辨識，主要是以我們所提出的改良型類神經網路 (Modified multilayer neural network) ，而學習演算法方面則採用粒子群最佳化(Particle Swarm Optimization, PSO)演算法。最後實驗部分將與傳統的多層類神經網路相比較，由結果得知本研究提出 之方法有著更好的效能。 關鍵詞：人臉辨識、粒子群最佳化、主成份分析、多層類神經網路、賈伯濾波器。 壹、 背景與目的 隨著科技的進步，在監視、安全等等方面不在使用傳統的文字密碼鎖，有更多選擇 的控制器產生，例如指紋辨識、人臉辨識、基因辨識等等相關的識別技術被提出，大大 加強了安全上的可靠性。而人臉辨識系統主要可分為二個部份：人臉的偵測和人臉辨 識。本文將針對臉部辨識系統中的人臉辨識為主要的研究。臉部辨識 (Face Recognition) 在近年來是個非常熱門的研究領域之一，在監視、安全、通訊等等的應用需求也有漸漸 增加的趨勢。而臉部辨識最主要的挑戰在於影像分析和樣本辨識二個部份，目前都有相 當多的學者在作相關的研究 [1][2][3][4][5][6][7] 。 其中在影像分析方面近幾年以賈伯濾波器(Gabor filters)較受歡迎，目的在於找出人 臉的特徵區域所在並進一步的以此特徵作為後續的應用；樣本辨識方面以距離比對和類 神經網路當作分類器較為常用的方式。這 2種方式分別都有許多學者在研究，如歐氏距 離在[8],[9]有描述，另外在類神經網路方面較常使用的是半徑式函數神經網路 (Radial basis function (RBF)neural network) 和倒傳遞類神經網路 (Back-Propagation (BP) neural 417 朝陽學報第十二期 ▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔▔ network) 2種。以上 2種網路都有自我學習能力，分別在 [10]和 [2]有詳細的描述。 我們將使用不同的學習演算法應用到本研究提出的網路中，最後選擇有尋找整體最 佳解 (Global minima)的演算法。而目前以基因演算法 (Genetic algorithm)[3]和粒子群最佳 化演算法 (Particle swarm optimization)[14]較受歡迎，也被廣泛的應用到各個領域中，如 控制、分類等等。另外，如果當輸入資料的維