基于人工神经网络技术的人脸正面图像自动识别

《基于人工神经网络技术的人脸正面图像自动识别》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、’f0摘要基于人工神经网络技术的人脸正面图像自动识别摘要人脸识别技术是模式识别、计算机视觉和图像理解系统的研究范畴，在公安和安全部门有着广泛的应用，例如搜索罪犯、动态监控、银行密码系统等等。近几年，随着人脸技术应用在商业领域的范围不断扩大，人脸识giJ$1

2、关技术的发展得到了空前的重视，成为图像识别和理解领域的研究热点。本论文研究了基于人工神经网络技术的人脸正面图像自动识别的基本理论与关键技术。主要分为三大部分：图像预处理，特征提取和人脸分类器。首先为了尽量去除人脸图像中的干扰信息，先对人脸图像进行预处理，其中包括人眼

3、定位，提取纯脸，并进行灰度归一化和尺度归一化等；再使用基于K—L变换的特征脸方法，提取图像特征，压缩图像数据；最后使用改进学习算法的径向基函数神经网络(RadialBasisFunctionNeuralNetworks，RBFNN)作为人脸分类器。整个算法在MATLAB7．0．1下实现，并建立了人脸自动识别系统。在ORL人脸数据库上验证该方法达到了89％的正确率。本论文的实验表明这种基于径向基函数神经网络的人脸正面图像识别技术是行之有效的。关键词：人脸识别RBF神经网络K．L变换人眼定位AbstractHUMANFAC

4、EPOSITIVElMAGESRECOGNITIONUSlNGNEURALNETWORKSTECHNOLOGYFacerecognition(FR)technologyiswithintheresearchareaofpattemrecognition,computervisionandimageunderstandingsystem，facerecognitionhasfoundawiderangeofapplicationinpoliceandsecuritydepartment，suchascriminalsea

5、rching，multimediamonitoring，bankcodesystem，etc．Overthelastseveralyears,withthewidthspreadoffacerecognitiontechnologyineconomicfield，FRarousesunprecedentedattentionsandbecomethehotspotintheareaofimagerecognitionandunderstanding．Thispaperelaboratesmaintheoryandtec

6、hniqueappliedinhumanfacepositiveimagesrecognitionusingneuralnetworks，whichiscomposedofthreeparts：prepmcessing，featureextracting，faceimagesclassifier．Firstly,inordertoeliminateunrelatedinformationinfaceimages，somepreprocessingmethodsareused．Whenafaceimageisreadin

7、gintoMATLABworkspace，takesomeimagepreprocessing,locateeyesposition，extractpurefaceaccordingtotherole，normalizegrayandgeometricaldimension,thenwecangetthenormalizedpurefaceimages．Secondly,featureextractionemployseigenfacemethodbasedOilK-Ltransformtoextractstatist

8、icfeatureandreducedimensions．Finally,inthepartoffacerecognition，radialbasisfunctionneuralnetworks，asafaceclassifier,consistsofforwardpartandbackwardpart，adoptsanimprovedlearningmethodwhichcombinedlinearleastsquare(LLS)anddecentgradientmethod．Thealgorithmsarecomp

9、limentedundertheenvironmentofMATLAB7．0．1withafaceautorecognitionsystem，andtrainandtesttheimagesintheORLfacedatabase．WeCallconcludethattheimprovedradialbasisfunctionne