| 【中文题名】 | 基于人工神经网络技术的人脸正面图像自动识别 |
| 【英文题名】 | Human Face Positive Images Recognition Using Neural Networks Technology |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-21 |
| 【中关键词】 | 人脸识别,RBF神经网络,K-L变换,人眼定位,, |
| 【英关键词】 | face recognition,radial basis function neural networks,K-L transform,eyes location, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 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，人脸识别相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(Radial Basis Function Neural Networks，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。 |
| 【论文题纲】 |
|
第一章 引言 |
8-16 |
|
1.1 研究背景 |
8-14 |
|
1.1.1 研究动机及应用价值 |
8-9 |
|
1.1.2 人脸识别的研究内容 |
9-11 |
|
1.1.3 人脸识别的主要方法 |
11-13 |
|
1.1.4 国内外研究概况 |
13-14 |
|
1.2 论文主要内容及实现环境 |
14-15 |
|
1.2.1 论文主要内容 |
14-15 |
|
1.2.2 实现环境 |
15 |
|
1.3 论文的基本结构 |
15-16 |
|
第二章 人脸图像预处理 |
16-24 |
|
2.1 引言 |
16 |
|
2.2 人眼的定位 |
16-19 |
|
2.2.1 人眼定位前的图像预处理 |
17-18 |
|
2.2.2 人眼的定位 |
18-19 |
|
2.3 图像的尺度归一化 |
19-20 |
|
2.4 图像的灰度归一化 |
20-21 |
|
2.5 实验结果 |
21-23 |
|
2.6 本章小结 |
23-24 |
|
第三章 特征提取 |
24-32 |
|
3.1 引言 |
24-25 |
|
3.2 数学基础 |
25-30 |
|
3.2.1 离散K-L变换 |
25-28 |
|
3.2.2 特征向量的选取 |
28-29 |
|
3.2.3 奇异值分解 |
29-30 |
|
3.3 用特征脸进行人脸图像数据特征提取 |
30-31 |
|
3.4 小结 |
31-32 |
|
第四章 人脸分类器 |
32-49 |
|
4.1 引言 |
32-33 |
|
4.2 RBF神经网络概述 |
33-36 |
|
4.2.1 RBF神经网络工作原理和结构 |
33-35 |
|
4.2.2 RBF网络的学习算法概述 |
35-36 |
|
4.3 RBF网络的设计 |
36-43 |
|
4.3.1 输入层输出层的设计 |
36-37 |
|
4.3.2 RBF网络隐节点参数的设计 |
37-40 |
|
4.3.3 RBF网络的权值的设定 |
40-41 |
|
4.3.4 RBF隐节点参数的调节 |
41-42 |
|
4.3.5 RBF网络的学习过程 |
42-43 |
|
4.4 实验结果 |
43-48 |
|
4.4.1 学习率的选择 |
44 |
|
4.4.2 特征向量维数与隐层节点数目的关系 |
44-45 |
|
4.4.3 不同K-L阈值对网络的影响 |
45-48 |
|
4.5 本章小结 |
48-49 |
|
第五章 系统实现 |
49-55 |
|
5.1 引言 |
49 |
|
5.2 人脸图像自动识别系统的实现 |
49-54 |
|
5.2.1 MATLAB软件环境介绍 |
49 |
|
5.2.2 系统的基本框架 |
49-50 |
|
5.2.3 系统介绍 |
50-53 |
|
5.2.4 系统软件实现介绍 |
53-54 |
|
5.3 小结 |
54-55 |
|
结论 |
55-56 |
|
参考文献 |
56-59 |
|
致谢与声明 |
59-60 |
|
附录A ORL人脸图库全部人脸图像 |
60-61 |
|
在学期间发表的学术论文与研究成果 |
61 |
|
| 【DOI】 | LunWen.ID:2.2008.388233 |
