基于神经网络的人脸识别算法研究

《基于神经网络的人脸识别算法研究》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、大连理工大学硕士学位论文基于神经网络的人脸识别算法研究姓名：袁崇涛申请学位级别：硕士专业：信号与信息处理指导教师：郭成安20061219大连理工大学硕士学位论文摘要人脸识别技术作为图像处理和模式识别的最重要的应用之一，正逐渐成为热门的研究课题．它在公安，银行及海关等机要部门有着广泛的应用前景。人脸识别问题涵盖了图像处理、模式识别和计算机视觉等多个领域，它主要有两个部分：特征提取和模式识别部分。特征提取识从人脸图像中提取可以用来分类的信息；而模式识别部分是利用提取的特征进行模式分类。对于特征提取部分，本文中采用的是基于统计的特征，分别是基于KL变换(KLaO或主成分分析(PEA)

2、的特征脸方法和基于线性判别分析(LDA)的Fisher脸方法。对于模式识别部分，首先采用了纠错支持向量机(SVM)方法和超椭球神经网络方法，其中纠错SVM方法有着较高的正确识别率；而超椭球神经网络方法是仿生(拓扑)模式识别理论的一个应用形式，它对未训练样本有着较低的错误接受率。基于以上两点，本文提出了一种二次分类方法。它将基于仿生模式识别理论的超椭球神经网络方法与具有纠错能力的SVM方法结合起来，首先使用超椭球神经网络进行第一次分类得到中间结果，将全体训练样本和中间结果放入具有纠错能力的SVM中进行二次分类。这种方法兼具仿生模式识别和纠错SVM的优点，并可以克服对未训练样本的误

3、识率高的问题，同时也具备纠错SVM方法的纠错能力，因而具有比以上两者更好的分类效果。在CambridgeORL人脸库的仿真实验结果表明，以Fisher脸特征为输入矢量，应用二次分类方法进行图像识别，正确识别率达到了99．25％。关键词：纠错s州；超椭球神经网络；二次分类方法大连理1：大学硕士学位论文ResearchonAlgorithmsofFaceRecognitionBasedonNeuralNetworkAbstractAsoneofthemostimportantapplicationsofimageprocessingandpaRemrecognition，resea

4、rchinfacerecognitionhavebeenincreasedsignificantlyinmanyfields．Manysubjectssuchasimageprocessing，patternrecognitionandcomputervisionareincludedintheproblemsofpatternrecognition．Therearetwopartsofthefacerecognitionsystem：featureextractionandpattemrecognition．Featureextractionistoextractuseful

5、informationforclassificationfromfaceimages；whilepatternrecognitionistoclassifythefeaturesthatextracted．Forthefeatureextractionpart，themethodusedinthisthesisisbasedonstatisticalfeatures．TheyareeigenfacemethodbasedonKLTransfoHnorPrincipalComponentAnalysis(PCA)andFisherfacemethodbasedonLinearDi

6、scriminantAnalysis(LDA)．Forthepatternrecognitionpart．themethodsusedaretheSVM’SwitIlerrorcorrectionandtheHyper-EllipsoidNeuralNetwork(HENN)．TheSVM’Switherrorcorrectionmethodhasahighcorrectrecognitionrate；whiletheHENNmethodisoneoftheapplicationsofbiomimetic(topological)patternrecognitiontheory

7、，whichhasaverylowfalserecognitionrate．Basedonethetwopointsmentionedabove，thispaperpresentsatwo-passclassificationmethod．ItcombinestheHENNmethodbasedonthebiomimeticpatternrecognitiontheoryandtheSVMmethodwit}lerrorcorrectionability．TheHENNisusedforth