神经网络在人脸识别中的应用

《神经网络在人脸识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、神经网络在人脸识别中的应用1.引言早在上世纪60年代末,人脸识别即引起了研究者的强烈兴趣.但早期的人脸识别一般都需要人的某些先验知识,无法摆脱人的干预。进入上世纪9O年代,由于高速度、高性能计算机的出现,人脸识别的方法有了重大突破,进入了真正的机器自动识别阶段,人脸识别研究得到了前所未有的重视。人脸识别方法有很多种:(1)特征脸方法。这种方法起源于图像描述技术，采用特征脸识别方法有良好的稳定性、位移不变性、特征向量与图像的高度成比例变化以及转置不变性。不足之处是受表情变化、光照角度强度变化和视角变化等严重影响,鲁棒性较差。(2)隐马尔可夫模型方法(HiddenMarkovMode1)是

2、用于描述信号统计特征的一组统计模型。HMM的基本理论是由Baum和Welch等人在20世纪6O年代末70年代初建立,在语音识别中应用较多。(3)弹性图匹配方法。弹性图匹配方法是一种基于动态连接结构的方法。它将人脸用格状的稀疏图表示。(4)神经网络方法。人工神经网络是由多个神经元按照一定的排列顺序构成的,是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但由大量冲经元所构成的网络系统却能够实现复杂丰富的功能。神经网络系统除了具有集体运算的能力和自适应的学习能力外,还有根强的容错性和鲁棒性.善于联想、综合和推广。神经网络模型各种各样。

3、它们是从不同的角度对生物神经系统不同层次的描述和模拟。有代表性的网络模型有感知器、多层映射BP网络、RBF网络等。目前,在人工神经网络的实际应用中,绝大部分的神经网络模型都是采用BP网络及其变化形式,它也是前向网络的核心部分,是人工神经网络最精华的部分。2BP神经网络的人脸识别BP神经网络用于人脸识别一般应先对输入图像实行图像预处理,然后进行特征提取,接下来就是BP网络训练,最后用训练好的网络进行识别,获得识别结果。2.基于特征脸和BP神经网络的人脸识别方法2.1特征脸分析这种方法是根据图像的统计特征进行正交变换(K-L变换)[3],以去除样本间的相关性,然后根据特征值的大小选择特征向

4、量(主分量),由于这些特征向量的图像类似人脸,所以称为特征脸[4,5]。下面就这种方法作简要介绍。X∈RN为表示一幅图像的随机向量,这里N是图像的大小,X由图像的行或列连接而成的向量。假设有p个人,每个人有r1(1≤i≤P)个人脸样本图像,样本集为{Xji},Xji表示第j个人的第i个样本。那么每个人样本均值向量为mi(1≤i≤p);总体样本均值向量为m;类间散布矩阵为Sb是N×N的大矩阵,一般由奇异值分解定理[8]得到其特征向量矩阵U及样本集的特征系数向量矩阵C。其中U的秩总是小于p的,它的每一列就是一特征脸(向量),一般有p-1个。每一张人脸都可以投影到这p-1个特征脸张成的子空间

5、中,得到一个特征系数向量,C就是样本在子空间中投影得到的系数,每一列ci就代表mi在特征脸空间投影的特征系数向量,它有p-1行,即投影得到的p-1特征系数。如图1是本文实验一张人脸的具体展开,第一项为平均脸,其他是按特征值大小排序的特征脸,常称为主元。在最近邻识别中,将输入的人脸图像连接成一维向量,向特征脸张成的子空间投影,然后在子空间中,如果与ci的距离最近,就判别为第i类。2.2神经网络实现分类器基于BP算法的前向多层神经网络以其算法、概念及基本理论都很简单,但有很强的学习能力,已经在实际问题中有了大量成功的应用[10],简称其为BP神经网络。本文用最小均方误差小于0.0001的学

6、习,这样神经网络学习的实质就是进行后验概率估计;分类时实质就是采用最大后验概率分类方法[10,12]。下面简要对它们的关系作推导。神经网络实现的映射F:Rd→RM,这样期望最小均方误差E[y-F(x)]2最小,这里F(x)=E(y/x),y是期望的输出yj=(0,⋯,0,1,0,⋯,0)T,如果x∈(第j类)。F(x)=E(y/x),这样对给定第j类的输入x,对应的输出为Fj(x)=E[yj/x]=1×P((yj=1)/x)+0×P((y=0)/x)=P((yj=1)/x)=P(ωj/x)本文中,神经网络的输入是特征脸分析得到的39个特征,输出是40个人的每个人的后验概率。训练时,如果

7、是第j个人,让输出的向量的第j元素为1,其他全为0。换句话说,让第j类的概率为1。分类识别时,取最大的输出作为结果,即最大后验概率作为输出。3.实验及结果分析本文的实验是在ORL人脸数据库上进行的,有40人,每人有10张人脸样本。实验中,每人随机选择五张图片作为样本集,剩下的作为测试集,然后交叉实验,让第一次的测试集作为样本集,第一次的样本集用来测试。特征脸识别用最近邻判别方法,为了较客观的反映它的识别率,选择了四种常用的相似性度量方式[9]。