基于神经网络的人脸识别系统设计【开题报告】

《基于神经网络的人脸识别系统设计【开题报告】》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、毕业设计（论文）开题报告题目：　　　　基于神经网络的人脸识别系统设计专业：电子信息工程1选题的背景、意义基于神经网络的人脸识别系统是一个复杂的过程，主要包括：从ORL内提取人脸、人脸规范化、特征提取、软件识别、输入系统、中间处理层、输出结果这七个过程。人工神经网络的发展已经有一段比较长的历史了，据《MATLAB神经网络应用设计》的记载，它的发展有过两个高潮，第一次热潮开始于1943年，著名心理学家W.mcculloch、数学家W.pitts、Hebb开创了神经科学理论研究时代。之后相继有了更大的发展：伺服电机反馈自稳定系统、模拟人脑感知和学习能力的感知器概念、神经元网络方程、自适应线

2、性元件等等，大家对神经系统表现出来的好奇心大大的推动了神经网络的发展，一直到1969年，这段时间的发展科学家们为此作出了巨大的贡献[1]。之后进入了一个低潮，据董长虹所编著的《MATLAB神经网络应用设计》所叙述20世纪60年代到70年代是神经网络发展的低潮时期，主要是因为人们发现了神经网络的传感器存在很多缺陷，并不能象所预期的正确的测试出我们所要的结果[2]。但是这中间也一定发展:自组织映射、神经认知机网络理论、BSB模型、BP理论等等。第二次高潮是在20时间80年代，就是在1982年提出“Hopfield”(一个非线性动力系统的理论模型)之后，神经网络有了巨大的发展，之后又有了大

3、规模并行网络学习机（隐单元）、NETTAL程序系统、杂志《神经网络》、IEEE的神经网络杂志等都不断推动了【3】。人脸的识别是基于生物特征识别技术的一种主要方法。早在1888年和1910年，高尔顿在《NATURE》杂志内发表了2篇关于通过人脸进行身份识别的文章，而且对人类自身的人脸识别能力也进行了分析。自1990年之后，人脸识别得到了空前的发展，许多理工科大学和IT产业公司都开始对此进行了研究，通过对人脸图像的检测标准化，然后进一步分析人脸的表征，提取人脸的特征，识别人脸，最后输出相应的符号。人脸识别其实是基于光学的人脸图像的身份识别和验证，通过属性分离、特征提取、分类判断得到最后的

4、结果[4]。神经网络是由大量的神经元相互连接而成的的，是一个自适应的动态系统，而神经元是人工神经网络中的基本元件，人工神经网络从某种角度模仿、简化和抽象了人脑功能的若干基本特征。从脑神经元学说之后就有了人工神经元的研究。1943年开始一直到现在，神经网络一直不断的发展，虽然中间也遇到不少挫折，但是仍然得到了突破性的发展[5]。MATLAB则是一款功能强大的信号处理软件，是交互性非常好的可视化工具，里面还有各种的工具箱，可以通过对文件编程和连接，完成各种高难度的计算和转化识别。所以说，人脸识别是实现的内容,神经网络则是实现这个任务的具体技术，通过MATLAB软件的综合实现完成最终的识别

5、。2相关研究的最新成果及动态如今神经网络理论的应用已经在当今社会有了很大的发展，自从IEEE的神经网络杂志出现后，各种杂志层出不穷，神经网络技术进入了一个蓬勃发展的时期。神经网络技术不仅是在人工智能、自动控制、计算机科学、信息处理等方面有很大突破，而且也在机器人、模式识别、CAD/CAM方面也有发展[6]。研究内容相当的广泛，是多种学科交叉技术领域，生物原型研究、建立理论模型、网络模型与算法研究、神经网络应用系统这四个内容中有重要的体现。而其主要的研究领域和网络应用有：a.模式识别和图像处理（印刷体和手写字符识别、语音识别、签字识别等）b.控制和优化（化工过程控制、机器人运动控制、家

6、电控制、半导体生产中参杂控制等）c.预报和智能信息管理（股票市场预测、地震预报、交通管理）d.通讯（自适应均衡、回波抵消、路由选择等）e.空间科学（空间交会对接控制、导航信息智能管理、飞行程序优化管理）我认为，神经网络技术在未来还是有很大的发展前景的，前人对其的突破发展和现在生活的发展需要都对不断推动整个神经网络研究队伍的扩大起到了重要的作用，同时基于神经网络的人脸识别系统，也可以得到一定的提高。人脸的识别由于其更容易识别、更容易应用、更容易接受的特点，已经在人类对生物的识别中受到了广泛的认识和传播[7]。在第17届国际人脸识别证实（FAT2004）测试会议中,我国清华大学的模式识别

7、方法被评为性能最佳的人脸证算法。人脸识别是实验的最后目的，对于我们初学者来说，还是充满很多疑问的，简单的人脸识别让我对整个生物的识别都起了巨大的兴趣。在很多问题上，人脸识别具有不可取代的重要作用，例如在现在的犯罪侦查上就使侦破速度有了空前的突破。当然，作为我们大学生更应该为未来的科学发展做出自己的贡献。同时，神经网络技术也会在将来的社会中也会有更大的发展和应用。据现在的观察和展望，表明纹理识别算法、3D变形模型、混合模型、多特征融合、多分类器融合等应该会有