本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)研究及應(yīng)用

  更多相關(guān)文章： 人臉識別 人工神經(jīng)網(wǎng)絡(luò) 分塊PCA 圖像處理

【摘要】：隨著社會的不斷進步,計算機技術(shù)、網(wǎng)絡(luò)技術(shù)的高速發(fā)展,傳統(tǒng)的身份驗證技術(shù)已經(jīng)無法滿足當代科技的發(fā)展和人類社會的需求。相比其他識別方法,人臉識別更加的自然友好且容易被接受,所以得到廣泛的研究與應(yīng)用。因此本文提出了一個基于人工神經(jīng)網(wǎng)絡(luò)和圖像特征提取的人臉圖像識別的方法。為了區(qū)別于常見方法,首先使用分塊PCA算法對人臉圖像進行處理,獲得不同分塊數(shù)下的人臉圖像特征,然后將這些特征作為人工神經(jīng)網(wǎng)絡(luò)的輸入,輸出即是相對應(yīng)的人的類別。實驗采用ORL人臉圖像庫進行分塊PCA算法的識別研究,分別將人臉圖像分塊成1×1,2×1,2×2,4×2和4×4進行測試。測試結(jié)果表明:隨著人臉圖像分塊數(shù)的增加,人工神經(jīng)網(wǎng)絡(luò)的復(fù)雜度也隨之升高,因此需要更多的訓練周期才能完成人工神經(jīng)網(wǎng)絡(luò)的訓練。隨著人臉圖像分塊數(shù)的增加,神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度也隨之升高,其模式識別能力亦隨之增加,因此完成人工神經(jīng)網(wǎng)絡(luò)的訓練后,該神經(jīng)網(wǎng)絡(luò)的識別精度較高。通過上述實驗研究結(jié)果表明,基于分塊PCA算法與人工神經(jīng)網(wǎng)絡(luò)進行人臉圖像識別是有效的。分塊PCA算法的應(yīng)用提高了PCA算法的識別精度。在未來研究中將繼續(xù)研究分塊數(shù)與測試精度的關(guān)系。
【關(guān)鍵詞】：人臉識別 人工神經(jīng)網(wǎng)絡(luò) 分塊PCA 圖像處理
【學位授予單位】：西安石油大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41;TP183
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-11
• 1.1 人臉識別研究的背景與意義7
• 1.2 人臉識別應(yīng)用7-8
• 1.3 研究概述8-9
• 1.4 人工神經(jīng)網(wǎng)絡(luò)9
• 1.5 分塊PCA算法9-10
• 1.6 文章結(jié)構(gòu)10-11
• 第二章 人臉識別研究概述11-17
• 2.1 研究方向11-12
• 2.2 研究范圍和方法12
• 2.3 人臉檢測概述12-14
• 2.3.1 基于統(tǒng)計研究12-13
• 2.3.2 基于知識研究13-14
• 2.4 人臉特征提取與識別14-16
• 2.4.1 基于幾何特征14
• 2.4.2 基于特征臉14-15
• 2.4.3 局部特征方法15
• 2.4.4 基于彈性模型的方法15
• 2.4.5 神經(jīng)網(wǎng)絡(luò)方法15-16
• 2.4.6 其他方法16
• 2.5 本章小結(jié)16-17
• 第三章 人工神經(jīng)網(wǎng)絡(luò)算法17-26
• 3.1 概述17-19
• 3.2 BP神經(jīng)網(wǎng)絡(luò)19-21
• 3.3 BP神經(jīng)網(wǎng)絡(luò)在人臉識別中的應(yīng)用21-24
• 3.4 模式識別工具箱24-25
• 3.5 本章小結(jié)25-26
• 第四章 分塊PCA算法26-47
• 4.1 PCA算法概述26-27
• 4.2 分塊PCA算法27-29
• 4.2.1 分塊PCA理論基礎(chǔ)27-28
• 4.2.2 特征抽取28
• 4.2.3 分類28-29
• 4.3 PCA的優(yōu)點與應(yīng)用29-33
• 4.3.1 PCA的優(yōu)點29-31
• 4.3.2 PCA的應(yīng)用31-33
• 4.4 分塊PCA及其MATLAB實現(xiàn)33-46
• 4.4.1 數(shù)據(jù)預(yù)處理33-34
• 4.4.2 1×1 分塊34-37
• 4.4.3 2×1 分塊37-40
• 4.4.4 2×2 分塊40-43
• 4.4.5 4×2 分塊43-45
• 4.4.6 4×4 分塊45-46
• 4.5 本章小結(jié)46-47
• 第五章 人臉識別模型的建立與實驗分析47-61
• 5.1 隱層神經(jīng)元的確定47
• 5.2 基于人工神經(jīng)網(wǎng)絡(luò)的人臉識別模型建立47-59
• 5.2.1 1×1 分塊下的識別模型47-50
• 5.2.2 2×1 分塊下的識別模型50-52
• 5.2.3 2×2 分塊下的識別模型52-54
• 5.2.4 4×2 分塊下的識別模型54-57
• 5.2.5 4×4 分塊下的識別模型57-59
• 5.3 實驗結(jié)果分析59-60
• 5.4 本章小結(jié)60-61
• 第六章 結(jié)論61-62
• 致謝62-63
• 參考文獻63-67
• 攻讀碩士學位期間發(fā)表的論文67-68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳瓊,鄭啟倫;人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)硬件實現(xiàn)的研究進展[J];電路與系統(tǒng)學報;2000年01期

2 單潮龍,馬偉明,賁可榮,張磊;BP人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用及其實現(xiàn)技術(shù)[J];海軍工程大學學報;2000年04期

3 羅維平,向陽;人工神經(jīng)網(wǎng)絡(luò)的實現(xiàn)及其應(yīng)用[J];中南民族學院學報(自然科學版);2000年S1期

4 孫學梅;人工神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用[J];張家口職業(yè)技術(shù)學院學報;2000年02期

5 汪鐳,周國興,吳啟迪;人工神經(jīng)網(wǎng)絡(luò)在傳動領(lǐng)域中的應(yīng)用[J];電機與控制學報;2001年01期

6 侯晉,陳國松,王鎮(zhèn)浦;人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及在多元校正中的應(yīng)用[J];分析科學學報;2001年01期

7 戰(zhàn)凱,朱文斌,黃文斌;人工神經(jīng)網(wǎng)絡(luò)在軍用艦船工程中的應(yīng)用展望[J];青島大學學報(工程技術(shù)版);2001年03期

8 梁艷春,聶義勇;從科學研究方法論看人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展[J];吉林大學學報(信息科學版);2002年01期

9 索興梅,王崇桃;人工神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)中的應(yīng)用研究[J];計算機與農(nóng)業(yè);2002年02期

10 付業(yè)偉,張知俠,楊瑞麗;人工神經(jīng)網(wǎng)絡(luò)及其在分析化學中的應(yīng)用[J];咸陽師范學院學報;2002年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 吳兵;;一種具有語義分布的自構(gòu)造的新人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)及其應(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

2 劉R，

本文編號：983491