基于matlab人脸识别技术-开题报告.docVIP

毕 业 设 计（论 文）开 题 报 告 毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2500字以上的文献综述，文后应列出所查阅的文献资料。 基于matlab人脸识别技术的实现 文 献 综 述 一、MATLAB概述 MATLAB是矩阵实验室（Matrix Laboratory）的简称，是美国MathWorks公司出品的商业 数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。应用于工程计算、控制设计、信号处理与通讯、 图像处理、 信号检测、金融建模设计与分析等领域。而在本文中主要用到的功能是图像处理功能。 二、BP神经网络概述 人工神经网络（Artificial Neural Net works，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络发展的主要历程有:20世纪50年代末,Rosenblatt提出的感知器模型和Widrow提出的自适应线性元件,出现了简单的线性分类器;1986年,Rumelhart和Mcllelland 提出了层网络“误差反向传播算法(BP)”,使有导师学习多层感知器网络(ML PN)模式分类器走向实用化,在此基础上又派生出若干前向网络,如径向基函数网络( RBFN)和函数链网络等;1982年,美国加州工学院的物理学家Hopfield提出的一种用于联想记忆和优化计算的反馈网络模型 ,由于引进了“能量函数” 的概念,使网络走向具体电路有了保证;20世纪 70年代,Watanabe 提出了使用模式子空间的概念来设计不同类别对应的子空间 ,由不同类别聚类的子空间实现模式识别; Kohonen提出的自组织特征映射网络模型等都为神经网络模式识别理论提供了进一步的根据。 构成人工神经网络的三个基本要素是 :神经元、络拓扑结构和网络的训练 (学习)方法。神经元 (节点)的作用是把若干输入加权求和 ,并对这种加权和进行非线性处理后输出。神经元的选择一般有以下特点 :每个神经元都具有多个输入、个输出 ,具有闭值 ,采用非线性函数。 1、神经元 神经元模型用公式描述为： y=f(X) = 1 \* GB2 ⑴ X= = 2 \* GB2 ⑵ 式中:θ为输出阈值 , 为输入信号,( i = 1 ,2 , …, n) 为连接权值, f ( X) 称为激活 函数,一般可用阈值型、分段线性型和 S型 ,在本文中选择 S型函数 f ( X) = 实验取 a = b = 1 , k 为控制 S型曲线部分的斜率且可调。 2、BP网络模型 BP网络模型结构如下： BP网络模型结构示意图 3、BP神经网络训练 BP神经网络进行训练的算法过程如下: (1) 初始化神经网络的权值为(0 ,1)之间的随机数; (2) 输入训练样本及期望输出; (3) 逐层计算输出; (4) 从输出层开始 ,调整权值 ,并反向调整误差; (5) 若误差小于设定值 ,则结束;否则转(3) ,继续学习。网络训练完毕达到稳定状态后 ,保存网络的连接权值 ,用于后面的识别。 用BP网络对人脸进行识别的算法可简单描述为: (1) 加载待识别样本的特征向量到输入层节点; (2) 计算隐含层和输出层的输出 ,根据输出层节点的输出判断识别结果。 BP网络神经实现人脸识别过程： 人脸识别过程 三、SVM算法概述 Vapnik等人在多年研究统计学习理论基础上对线性 分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展