本文關(guān)鍵詞：基于PCA和BP神經(jīng)網(wǎng)絡(luò)的人臉識別方法研究　出處：《哈爾濱理工大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 人臉識別 主成分分析 BP神經(jīng)網(wǎng)絡(luò) 模式識別

【摘要】：隨著科學技術(shù)和互聯(lián)網(wǎng)的發(fā)展和應(yīng)用,平安城市和智慧城市的概念深入人心,各種各樣先進的高清攝像頭逐漸應(yīng)用在城市的監(jiān)控設(shè)備系統(tǒng)中,監(jiān)控系統(tǒng)迫切的需要安裝使用效率高、檢測識別耗時少和交互體驗良好的人臉識別系統(tǒng)來進行智能監(jiān)控。人臉這一人類固有的生物特征具備諸多如采集方便、不變性和不會被盜取的優(yōu)點,是人臉識別系統(tǒng)成功應(yīng)用在各個領(lǐng)域的關(guān)鍵所在。如何改進人臉識別技術(shù)算法來提高檢測識別速率、效率以及系統(tǒng)的操作易用性來滿足城市的監(jiān)控系統(tǒng)的需求是本文研究關(guān)注的重點。原始圖像的采集和檢測、人臉的預(yù)處理、特征的提取和匹配分類是人臉識別系統(tǒng)當中四個缺一不可的關(guān)鍵步驟,本文集中對這四個步驟進行研究分析。首先,使用基于Haar-like特征(Haar-based)的人臉檢測分類器檢測處理已采集的原始圖像,對檢測出人臉的圖像進行裁剪處理。其次,預(yù)處理裁剪出的人臉圖像,詳細步驟有:灰度化處理、去噪聲處理、校正處理和歸一化處理。在特征提取階段,在使用LBP、PCA、A-PCA這三種特征提取算法在人臉庫上做了大量對比實驗及詳細分析后可得,本文提出的基于類別模式的PCA算法(A-PCA)具有較高識別率和魯棒性。在匹配識別階段,BP神經(jīng)網(wǎng)絡(luò)具有很強的學習能力,可以處理非線性的、含有噪聲的信號,適用于處理非線性分類識別,結(jié)合A-PCA算法在Yale、ORL和AR人臉數(shù)據(jù)庫和自建人臉庫上進行實驗表明:A-PCA+BP神經(jīng)網(wǎng)絡(luò)具有較高的識別率,對光照變化,表情變化有較高的魯棒性。最后,本文使用MATLAB軟件和OpenCV開源庫搭建實現(xiàn)A-PCA+BP神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng),系統(tǒng)能夠?qū)崟r檢測人臉與識別,改進的算法得到了實現(xiàn),提高了識別率,具有良好的交互體驗,在平安智慧城市的監(jiān)控系統(tǒng)中具有一定的實用價值。
[Abstract]:With the development and application of science and technology and the Internet, the concept of "Ping an City" and "Smart City" is deeply rooted in the people's mind, and a variety of advanced high-definition cameras are gradually applied in the surveillance equipment system of the city. The monitoring system urgently needs to install the face recognition system with high efficiency, less detection time and good interactive experience to carry out intelligent monitoring. Face, which is the inherent biological feature of human, has many advantages such as easy to collect. The advantages of invariance and non-theft are the key to the successful application of face recognition system in various fields. How to improve the face recognition algorithm to improve the speed of detection and recognition. The efficiency and ease of operation of the system to meet the needs of the urban monitoring system is the focus of this study. The acquisition and detection of original images, face pretreatment. Feature extraction and matching and classification are the four indispensable key steps in face recognition system. This paper focuses on these four steps. First of all. The face detection classifier based on Haar-like feature is used to detect and process the original image, and the image of the detected face is clipped. Secondly. The detailed steps are grayscale processing, noise removal, correction and normalization. In the feature extraction stage, LBPPCA is used. A-PCA three feature extraction algorithms in the face database of a large number of comparative experiments and detailed analysis can be obtained. The class pattern based PCA algorithm proposed in this paper has high recognition rate and robustness. In the matching recognition stage, BP neural network has a strong learning ability and can deal with nonlinear. The signal with noise is suitable for processing nonlinear classification and recognition, combined with A-PCA algorithm in Yale. The experiments on ORL and AR face database and self-built face database show that the BP neural network has high recognition rate and robustness to illumination change and expression change. Finally. This paper uses MATLAB software and OpenCV open source library to build a face recognition system based on A-PCA BP neural network. The system can detect and recognize face in real time. The improved algorithm has been implemented, improved the recognition rate, and has a good interactive experience. It has certain practical value in the monitoring system of the peaceful and intelligent city.
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預(yù)測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

相關(guān)碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1428207