lvq神经网络在人脸朝向识别中的应用本科学位论文.doc

《lvq神经网络在人脸朝向识别中的应用本科学位论文.doc》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、华北科技学院毕业论文2012届华北科技学院本科毕业论文论文题目：LVQ神经网络在人脸朝向识别中的应用学生姓名：丁佳学号：200809014125系(部、院)：基础部专业：信息与计算科学班级：计算B081指导教师：李强丽2012年06月15日III华北科技学院毕业论文目录摘要IIIAbstractIV第1章绪论11.1人脸朝向识别的研究意义11.1.1现实意义11.1.2学术价值21.2国内外研究现状21.2.1国外研究现状21.2.2国内研究现状3第2章LVQ神经网络与MATLAB工具箱简介52.1LVQ神经网络模

2、型与学习方法52.1.1LVQ神经网络结构52.1.2LVQ神经网络的学习算法62.2MATLAB神经网络工具箱简介72.2.1LVQ神经网络学习算法的MATLAB实现72.2.2BP神经网络学习算法的MATLAB实现82.3MATLAB图像处理工具箱简介8第3章LVQ神经网络在人脸朝向识别中的应用113.1问题描述113.2设计思路与步骤113.3人脸特征向量的提取113.4训练集/测试集产生143.5创建LVQ网络153.6训练LVQ网络163.7人脸识别仿真测试163.8结果显示与分析16第4章LVQ神经网络

3、与BP神经网络在人脸朝向识别中的对比分析184.1BP神经网络简介18III华北科技学院毕业论文4.2BP神经网络在人脸朝向识别中的应用19第5章结论22参考文献23附录A人脸图像24附录B程序源代码29附录C程序运行结果35III华北科技学院毕业论文LVQ神经网路在人脸朝向中的应用摘要：人脸识别技术（FRT）是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸的识别技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的。

4、人脸朝向识别是一个复杂的模式识别问题，当人脸朝向不同的方向时，眼睛在图像中的位置差别较大。本文将图片中描述眼睛位置的特征信息通过Sobel边缘算子提取出来作为LVQ神经网络的输入，人脸朝向作为神经网络的输出，利用Matlab工具箱通过对训练集的图片进行训练，得到具有预测识别功能的网络，从而可以对任意给出的人脸图像进行判断和识别。同时，本文还采用了BP神经网络与LVQ神经网络对人脸朝向识别进行了对比分析，得出LVQ神经网络相对于BP神经网络在人脸识别和图像处理方面具有一定的优势。关键字：人脸朝向识别；LVQ神经网络；

5、BP神经网络；Matlab工具箱III华北科技学院毕业论文LVQneuralnetworkapplicationinthefacialorientationAbstract:Thefacerecognitiontechnology(FRT)isanimportantresearchdirectioninthefieldofpatternrecognitionandartificialintelligencetoday.Althoughtheresearchofhumanfacerecognitionhasalong

6、history,avarietyoffacerecognitiontechnologyhasalot,butduetofaceisacomplexpatternandvulnerabletotheimpactoffacialexpressions,skincolorandclothing.Thereisstillnotafacerecognitiontechnologywhichisrecognizedasquicklyandefficiently.Therecognitionofhumanfaceisacompl

7、expatternofrecognition.Whentheorientationoffaceisdifferent,thepositionoftheeyesinthedifferentimagedifferquiteabit.ThispaperwilldescribethecharacteristicsofeyepositioninthepicturebySobeledgeoperatorwhichisextractedastheinputoftheLVQneuralnetwork.Therecognitiono

8、fhumanfaceisextractedastheoutputoftheneuralnetwork.UsingtheMatlabtoolboxtrainingthroughthetrainingsetofthepictures,wecanobtainthenetworkwithpredictedrecognitionfunctionwhichcanbefo