基于主分量分析GA-BP 神经网络的人脸识别算法.pdf

《基于主分量分析GA-BP 神经网络的人脸识别算法.pdf》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、中国西部科技2015年06月第14卷第06期总第311期73基于主分量分析GA-BP神经网络的人脸识别算法王飞（兰州交通大学电子与信息工程学院，甘肃兰州730070）摘要：针对人脸图像数据量大和BP神经网络容易陷入局部最优的问题，提出将主分量分析、遗传算法和BP神经网络相结合的新算法，并将其应用于人脸识别中。利用主分量分析法来处理人脸图像，以减小人脸图像的数据量，再利用遗传算法优化BP网络的初始权值和阈值，最后利用ORL数据库对该算法进行验证。实验结果表明，该算法可以大大减少人脸图像的数据量使收

2、敛速度加快，并且可以克服其陷入局部最优的缺点，提高了识别精度。关键词：人脸识别；主分量分析；遗传算法；BP神经网络DOI:10.3969/j.issn.1671-6396.2015.06.0311序言分量为时间细分。人脸识别是对人脸图像进行分析并从中提取所蕴含的人脸图像经过小波变换后，无用信息被压缩，人脸特征人脸特征，然后与已知人脸进行对比，从而识别人脸图像的完全凸现出来，有利于进行下一步的特征提取。身份。其关键技术在于人脸图像的特征提取和分类器的设2.2人脸图像的特征提取[1]计。主要的识别方

3、法有：基于几何特征的识别方法、基于主分量分析是一种经典的统计方法，它对多元统计观测特征脸的识别方法和基于神经网络的识别方法。数据的协方差结构进行分析，可以求出这些数据依赖关系的基于几何特征的识别方法是提取人脸的几何特征，根据主成分，主要用于数据降维。[2]这些几何特征进行人脸识别。该算法识别速度快，但识别2.2.1人脸特征空间的构造[3]效率低。基于特征脸的识别方法是利用K-L变换将高维空人脸图像在经过小波变换后，得到人脸的低频特征，将间进行降维，人脸在低维空间上的投影作为人脸识别的特征第i幅人

4、脸图像用一个一维向量来表示，记为Xi，则该向矢量。该算法对不同的表情有一定的鲁棒性，但需要大量的量的协方差矩阵可表示为：[4]11NT训练样本。神经网络的识别方法基于其超强的非线性映射CX=−()X()X−XD=DT∑ii（1）能力。它以人脸图像的灰度值为网络输入，通过大量的样本NNi=1训练，得到相应的识别函数关系，从而进行识别。该算法识其中：X为训练样本的均值向量，N为训练样本的总个数。别精度较高，但收敛速度慢且很容易陷入到局部最优之中。通常情况下协方差矩阵C的维数很大，如果直接计算它本文将

5、主分量分析、BP神经网络和遗传算法的优势结的特征值和特征向量，计算量会很大。然而对于任意的实矩合起来用于人脸识别，减少了人脸图像的数据量，克服了BP阵，都可以利用奇异值分解将其转化为对角阵。因此可以利网络容易陷入到局部最优的缺陷，从而提高识别准确率和收敛用奇异值分解来进一步降维，降低计算量。速度。该算法首先利用主分量分析法对人脸图像进行处理并构根据奇异值分解定理，很容易求出协方差矩阵C的特征造特征脸空间，将人脸在特征空间上的投影作为BP网络的输向量为：入，从而大大减少了BP网络的输入，克服了由于

6、神经网络输1入的数据量大而导致网络训练时间长的缺点。然后利用遗传算UXii=VλiiN=1,2,3K,（2）法优化BP网络的初始权值和阈值，从而很好的摆脱了BP网如果把一幅人脸图像用矩阵A表示，对A进行奇异值分络容易陷入局部极值的困扰，提高了人脸识别的精度。解，在λ1≥λ2，≥…，≥λk>0的条件下，得到的对角阵2人脸图像的预处理是唯一的，因此该人脸图像对应的奇异值特征向量也是唯一人脸图像处理的目的是从中提取出可以唯一识别该人的。这些特征向量代表的就是人脸的代数特征，构成特征脸脸的人脸特征。人脸

7、特征的提取方法有很多，研究表明不同空间。[5]的提取方法对人脸识别的性能影响很大。本文是利用主分若将第i幅人脸图像向量Xi在协方差矩阵的特征向量量分析法构造特征脸空间，将人脸图像在特征空间上的投影Ui上的投影记为PU，则有PU=UiXi。作为人脸特征。该方法用一组代数特征矢量来表征人脸，数ii-1T据量很小，但最大程度地保持了不同人脸的可区分能力。令PUU=={PP12,,,ULPUR}UXi，则PUi的协方差矩2.1小波变换的去噪声、压缩数据处理阵为：小波变换是对图像进行压缩，它的特点是压缩比

8、高，压TEP[(−−PP)(P)]UUUU缩后能保持图像的特征不变。每次小波变换都是对图像的多TT=−UEX[(XX)(−X)]Uiiii（3）尺度细化，充分突出图像的特征，最终把图像分解为长度减T=UCU半的低频分量和高频分量，其中低频分量为频率细分，高频=Λ74软件·研发由此可见，Xi在特征向量Ui上投影的方差即为Ui对应F=1Nm的特征值λi，因此特征值越大，该特征值对应的特征向量对pp2（5）∑∑()yokk−方差的贡献也就越大，即：pk==11⎧⎫K（3）选择操作。采用轮盘赌法进行选择