基于LVQ神经网络的人脸朝向识别方法.docVIP

基于 LVQ 神经网络的人脸朝向识别方法军*谭乐平，文( 湖北 基于 LVQ 神经网络的人脸朝向识别方法 军* 谭乐平，文 ( 湖北民族学院 理学院，湖北 恩施 445000) 摘要:为了满足图像和视屏中人脸的位置，朝向和旋转都不是固定的特点，利用 LVQ 神经网络模型对图像中人脸 朝向识别进行研究． 实验采用 Matlab 工具箱进行 LVQ 神经网络设计，实现对人脸朝向的判断． 实验结果显示，LVQ 神经网络可以根据输入图像的二值信息，以较高准确率判断该图像的人脸朝向． 关键词:人脸朝向识别; LVQ 神经网络; Matlab; 特征提取 中图分类号:TP391． 4 文献标志码:A 文章编号:1008－8423(2012)04－0386－04 Research of Face Orientation Recognition Based on LVQ NetworK TAN Le－ping，WEN Jun* ( School of Science，Hubei University for Nationalities，Enshi 445000，China) Abstract: In order to meet the characteristics that the face position，orientation and the rotating are not fixed in the images and videoes，face orientation recognition is studied by using LVQ neural network mod- el in the paper． The experiment using Matlab toolbox for the design，realization of LVQ neural network can identify face orientation． the experimental results show，according to the binary information of the input image，LVQ neural netwok can identify face orientation with higher accuracy． Key words: face orientation recognition; VQ neural network; Matlab; feature abstract 人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一． 虽然人脸识别的准确性低于虹模 纹的识别，但由于的无侵害性和对用户最简洁、最直观的方式使人脸识别成为被人们广泛接受的生物特 别方式［1］． 但由于人脸识别的不规则性以及光线和背景条件的多样性，目前人们研究人脸识别算法都 特定实验环境下解决一些具体问题，对人脸位置和状态都有一定的限制［2－3］． 而现实应用中，图像和视 中人脸的位置，朝向和旋转都不是固定的，这些现实条件大大增加了人脸识别的难度． 在人脸识别的众多研究方向中，人脸朝向是该领域研究的难点． 在以往的研究中，绝大多数的研究 考虑人脸正面识别而没有考虑人脸水平旋转对识别过程的影响． 这些问题是现实应用中无法避免的，因 人脸朝向的研究，将是一件非常有意义的工作． LVQ 神经网络 1 学习向量量化 LVQ( Learning Vector Quantization) 神经网络，属于有监督学习方法的前向神经网络类 其应用非常广泛尤其在模式识别和优化领域的应用． LVQ 神经网络由三层组成，即输入层、竞争层和 层，网络在输入层与竞争层间为完全连接，而在竞争层与输出层间为部分连接，每个输出层神经元与竞 神经元的不同组相连接． 竞争层和输出层神经元之间的连接权值固定为 1． 输入层和竞争层神经元间连 权值建立参考矢量的分量 ． 在网络训练过程中，这些权值被修改． 竞争层神经元( 又称为 Kohnen 神经元 输出神经元都具有二进制输出值． 当某个输入模式被送至网络时，参考矢量最接近输入模式的隐含神经 获得激发而赢得竞争，因而允许它产生一个“1”，而其它竞争层神经元都被迫产生“0”． 与包含获胜神经 竞争层神经元组相连接的输出神经元也发出“1 ”，而其它输出神经元均发出“0 ”． 产生“1 ”的输出神经 出输入模式的类，由此可见，每个输出神经元被用于表示不同的类［4－5］． 收稿日期:2012 －04 －21． 基金项目:国家自然科学基金项目( ． 作者简介:谭乐平( 1978 － ) ，男，硕士研究生，主要从事优化理论与算法的研究; * 通信作者:文军( 1965 － ) ，硕士，