| 【中文题名】 | 基于加权特征脸和BP神经网络的人脸识别 |
| 【英文题名】 | Combined Weighted Eigenface and BP-based Networks for Face Recognition |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-6 |
| 【中关键词】 | 模式识别,人脸识别,眼睛定位,主元分析,类内平均脸,加权特征脸 |
| 【英关键词】 | pattern recognition,face recognition,eye localization,principal component analysis,within-class average face,weighted eigenface,back-propagation neural networks, |
| 【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】 |
随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切。出于生物特征是人的内在的属性,具有很强的自身稳定性和个体差异性,因此是身份验证的理想依据。这其中,利用人脸特征又是最自然直接的手段,相比其他生物特征,它具有直接、友好、方便的特点,易于为用户接受。本文采用了加权特征与BP神经网络相结合的方法进行人脸识别。首先对ORL以及Yale人脸数据库的人脸进行了眼睛定位以及几何归一、灰度均衡。然后将经过处理的人脸分成若干子块,按照人脸不同部位的重要性的不同进行了分块加权,并采用了类内平均脸对每一子块进行规范化处理,最后采用BP神经网络作为识别分类器,并针对标准的BP神经网络算法的不足提出了一些改进。在两个标准人脸数据库上对算法进行了测试,证明了采用本文提出的方法在识别效果上比传统特征脸方法有所改进。 |
| 【论文题纲】 |
|
内容提要 |
4-7 |
|
第1章 绪论 |
7-17 |
|
1.1 人脸识别的研究背景与意义 |
7-8 |
|
1.2 人脸识别流程 |
8-9 |
|
1.3 人脸识别的国内外研究现状 |
9-10 |
|
1.4 人脸作为生物特征识别方法的优势与不足 |
10-11 |
|
1.4.1 人脸识别的技术优势 |
10 |
|
1.4.2 人脸识别的弱点 |
10-11 |
|
1.5 人脸识别技术的难点 |
11-15 |
|
1.6 论文的研究思想及组织结构 |
15-17 |
|
第2章 人脸识别方法研究 |
17-30 |
|
2.1 特征脸方法 |
17-18 |
|
2.1.1 特征脸方法概述 |
17-18 |
|
2.1.2 特征脸方法的优缺点 |
18 |
|
2.2 隐马尔可夫模型方法 |
18-22 |
|
2.2.1 特征提取 |
19-20 |
|
2.2.2 人脸模型的训练 |
20-22 |
|
2.2.3 人脸检测与识别 |
22 |
|
2.3 基于神经网络的方法 |
22-25 |
|
2.4 弹性图匹配方法 |
25-28 |
|
2.4.1 弹性图匹配方法基本原理 |
25-27 |
|
2.4.2 弹性图匹配方法改进及分析 |
27-28 |
|
2.5 其它人脸识别方法 |
28-30 |
|
第3章 人脸图像的预处理 |
30-43 |
|
3.1 眼睛定位 |
30-35 |
|
3.1.1 灰度直方图 |
31-32 |
|
3.1.2 初始阈值的估计 |
32-33 |
|
3.1.3 自动阈值法人眼的定位 |
33-35 |
|
3.2 几何归一 |
35-39 |
|
3.3 灰度均衡 |
39-43 |
|
第4章 特征脸识别方法详述及实验过程 |
43-53 |
|
4.1 特征脸计算数学基础 |
43-46 |
|
4.2 特征脸识别的实现 |
46-48 |
|
4.3 实验过程及结果 |
48-52 |
|
4.4 实验结果分析 |
52-53 |
|
第5章 改进的特征脸识别方法及与BP人工神经网络的结合 |
53-73 |
|
5.1 改进特征脸方法实现的流程图 |
54-55 |
|
5.2 改进方法 |
55-61 |
|
5.2.1 类内平均脸法的提出 |
55-58 |
|
5.2.2 基于特征加权的提出 |
58-61 |
|
5.3 结合BP 神经网络对人脸特征进行分类 |
61-70 |
|
5.3.18 P 人工神经网络的结构 |
61-65 |
|
5.3.2 使用BP 人工神经网络对人脸进行分类 |
65-67 |
|
5.3.3 改进的BP 人工神经网络算法 |
67-70 |
|
5.4 实验结果及分析 |
70-73 |
|
第6章 总结与展望 |
73-75 |
|
6.1 总结 |
73 |
|
6.2 展望 |
73-75 |
|
参考文献 |
75-79 |
|
摘要 |
79-82 |
|
ABSTRACT |
82-85 |
|
致谢 |
85 |
|
| 【DOI】 | LunWen.ID:2.2008.388745 |
