毕业论文--基于人工神经网络的人脸识别方法的研究与实现

《毕业论文--基于人工神经网络的人脸识别方法的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学士学位论文题目姓名学号专业计算机科学与技术指导教师二零一四年五月三十日石家庄经济学院华信学院学士学位论文摘要人脸识别系统的研究始于上世纪60年代，随着80年代后计算机技术和光学成像技术的发展以及90年代初期模式识别技术的兴起得到了提高，并随着时代的发展逐渐进入了初级应用阶段，尤其是在美国发生911事件以后，引起了各界广泛的重视，自此人脸识别技术在公共安全等领域发挥着愈加重要的作用。与众多生物认证手段相比，人脸识别具有不可代替的显著优点，因而人脸识别逐渐成为当前模式识别和人工智能领域的一个研究热点。一般来说，人脸识别系统包括图像摄取、人脸定位、

2、图像预处理、以及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。基于人工神经网络的人脸识别的常用学习方法根据网络结构和模型不同又分为：BP算法和RBF算法。本文主要讲述的是基于PCA特征提取和BP和RBF神经网络的人脸识别。其中特征提取和特征选择是人脸识别中数据处理阶段的关键技术，PCA特征提取就是将最优的特征子集从原始特征集中选取出来进行某种形式的转换以得到新特征，然后将新特征组合构成特征脸空间

3、，并将其输入经过训练的BP和RBF网络内，比对相似率，以达到人脸识别的目的。关键词神经网络PCABPRBFORL人脸识别机器学习ABSTRACTResearchonfacerecognitionsystembeganinthe60'soflastcentury,withtheriseofdevelopmentafter80yearsofcomputertechnologyandopticalimagingand90timeinitialstageofpatternrecognitiontechnologyhasbeenimproved,andw

4、iththedevelopmentofthetimesandgraduallyintotheprimaryapplicationstage,especiallyafterthe911incident,attractedwidespreadattentionsincethen,facerecognitiontechnologyinthepublicsecurityfieldplaysamoreandmoreimportantrole.Comparedwithotherbiometrics,facerecognitionhassignificant

5、advantagescannotbereplaced,sofacerecognitionhasbecomethecurrentpatternrecognitionandartificialintelligence.AstudyonheatPoint.Generallyspeaking,facerecognitionsystemconsistsofimageacquisition,imagepreprocessing,facelocation,andfaceRecognitionIII石家庄经济学院华信学院学士学位论文(identificatio

6、noridentitysearch).Thesysteminputisgenerallyoneoraseriesofcontainingnotdeterminetheidentityofthefaceimage,andfacedatabaseofsomeknownidentityfaceimagesorthecorrespondingcode,andtheoutputisaseriesofsimilarityscore,thattoidentifythefaceidentity.Commonlearningmethodforfacerecogn

7、itionbasedonartificialneuralnetworkaccordingtothenetworkdifferentcanbedividedintostructuralandmodel:BPalgorithmandRBFalgorithm.ThisarticleisaboutthePCAfeatureextractionandfacerecognitionbasedonBPorRBFneuralnetwork.Featureextractionandfeatureselectionisakeytechnologyofdatapro

8、cessingstagesinthefacerecognition,PCAfeatureextractionistoconverttheoptimal