基于改进PCA与BP神经网络的人脸识别算法

《基于改进PCA与BP神经网络的人脸识别算法》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、学校代码：10135论文分类号：TP391学号：20145025030研究生类别：全日制硕士学位论文基于改进PCA与BP神经网络的人脸识别算法FacerecognitionalgorithmbasedonimprovedPCAandBPNeuralNetwork学科门类：工学一级学科：计算机科学与技术学科、专业：计算机科学与技术研究方向：数字图像处理申请人姓名：宋夏指导教师姓名：智敏二〇一八年三月二十内蒙古师范大学硕士学位论文中文摘要随着网络技术和计算机视觉技术的发展，在日常生活中如何正确识别个人身份和保护其个人隐私已经成为当今社会亟待解决的重大问题。而传统的证件和密码等消息容易造假

2、，使得人体生物特征以外的认证技术都不能满足人们的需求。而生物特征的唯一性、稳定性和不容易造假的特点，使其成为认证身份的首选安全方式。而人脸具有简易性、直观性、非接触性和非强制性等优点，因此本文对人脸识别技术进行了研究。本文在分析研究国内外关于人脸识别的研究现状的基础是主要完成了如下工作内容包括：首先预处理人脸图像。对检测出来的人脸进行灰度化、中值滤波、边缘增强和归一化处理；其次提取PCA特征。在对比分析了典型人脸特征提取算法的基础上，应用基于主成分分析PCA算法，该算法能有效地减少光照变化和表情变化对系统识别的影响。最后用此方式对人脸进行特征提取，计算得出的特征向量用于下一步的网络训

3、练，经过弹性动量的权值调整方法完成训练BP神经网络和利用该分类器对测试样本集进行人脸识别。实验结果表明该方法相对于单独使用PCA特征和BP神经网络都具有很好的人脸识别率同时在样本集很少的情况下也行达到很高的人脸识别率。关键词：人脸识别，主成分分析方法，BP神经网络内蒙古师范大学硕士学位论文ABSTRACTWiththedevelopmentofnetworktechnologyandcomputervisiontechnology,howtocorrectlyidentifypersonalidentityandprotecttheirpersonalprivacyindailyli

4、fehasbecomeanimportantissuetobesolvedurgentlyintoday'ssociety.However,traditionaldocumentsandpasswordsareeasytofabricate,sothattheauthenticationtechnologyotherthanhumanbiometricscannotmeetpeople'sneeds.Theuniquenessandstabilityofbiologicalcharacteristicsandthecharacteristicsofnoteasytofakemakei

5、tthepreferredsafewayofauthentication.Thefacialrecognitiontechnologyhasbeenstudiedinthispaperbecauseofitssimplicity,objectivity,non-contactandnon-coerciveness.Inthispaper,theresearchstatusoffacerecognitionathomeandabroadisbasedonthefollowingworkcontents:first,pre-processingthefaceimage.Thedetect

6、ionofthefaceisgray,medianfilter,edgeenhancementandnormalizationprocessing;Secondly,PCAcharacteristicsareextracted.Intheanalysisofthetypicalfacialfeatureextractionalgorithm,onthebasisofapplicationbasedonprincipalcomponentanalysis(PCAalgorithm,theproposedalgorithmcaneffectivelyreducetheilluminati

7、onchangesandexpressionofsystemidentification.Withthiswayoffacialfeatureextraction,finallycalculatedthecharacteristicvectornetworktrainingforthenextstep,aftertheweightadjustmentmethodofelasticmomentumtocompletetrainingBPneuralnetwo