基于两阶段特征提取法和PSO-BP神经网络的人脸识别方法研究

基于两阶段特征提取法和PSO-BP神经网络的人脸识别方法研究

论文摘要

模式识别是近30年来迅速发展起来的新兴学科,主要目的是研究如何用机器来模拟人的学习、识别和思维能力。其中基于视觉图像的模式识别技术广泛应用于工业、商业、农业、军事、医学等领域。而模式识别中的生物特征认证技术(Biometrics)由于使用了人体本身所固有的生物特征,是与传统的身份认证方法完全不同的崭新技术,具有更高的安全性、可靠性和有效性,越来越受到人们的重视。在广泛的身份认证方法中,人脸识别技术是一种最容易被接受的身份鉴定方法,是近年来计算机视觉、模式识别领域的一大研究热点,在刑侦破案、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。本文首先介绍了人脸识别技术的研究背景和主要方法,然后针对人脸识别技术中的关键环节—人脸特征提取和分类识别进行了深入研究,提出了一套用于静态的人脸识别的方法。在深入分析PCA(Principal Component Analysis)与KPCA(Kernel Principal Component Analysis)法的基础上,本文提出了一种两阶段的核特征抽取方法:PCA+KPCA,即在进行非线性映射之前,首先利用经典的主分量分析降维,然后再执行核主分量分析(KPCA)。在ORL标准人脸库上的试验结果验证了所提算法的有效性。同时,本文在使用两阶段特征提取法的基础上,构建了一个人脸识别框架。用BP人工神经网络对两阶段法提取出的特征进行训练和识别。在神经网络的训练阶段,针对BP神经网络对初始权值敏感,易陷入局部极小的问题,本文提出利用具有全局搜索能力的群集智能优化方法—粒子群优化算法(PSO),给出接近全局极小的BP神经网络初始权值,在此基础上再采用动量法和学习率自适应调整的策略来改进BP算法。本框架将两阶段法优化的特征抽取与PSO-BP神经网络相结合,取得了较高的识别率和识别速度,有一定的抗噪性能。在ORL人脸库上实验表明本识别框架是准确有效的,取得了较成功的实验效果。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 人脸识别研究背景、意义及发展
  • 1.2 人脸识别方法的研究现状
  • 1.2.1 人脸检测
  • 1.2.2 特征提取
  • 1.2.3 识别方法
  • 1.3 本文研究工作概述
  • 第二章 主分量分析法的非线性推广
  • 2.1 引言
  • 2.2 人脸识别中的主分量分析法
  • 2.2.1 K-L 变换
  • 2.2.2 人脸图像的主分量分析(PCA)
  • 2.3 基于核的主分量分析法
  • 2.3.1 主分量分析法的核推广(KPCA)
  • 2.3.2 常用的几类核函数
  • 2.4 实验与分析
  • 2.5 本章小结
  • 第三章 两阶段核特征抽取法
  • 3.1 引言
  • 3.2 人脸图像的预处理
  • 3.2.1 ORL 人脸图像库
  • 3.2.2 灰度分布正规化
  • 3.3 两阶段特征提取法
  • 3.3.1 主分量分析法
  • 3.3.2 核主分量分析(KPCA)
  • 3.4 算法实现
  • 3.5 实验与分析
  • 3.6 本章小结
  • 第四章 基于PSO-BP 神经网络的人脸识别框架
  • 4.1 引言
  • 4.2 PSO-BP 神经网络
  • 4.2.1 BP 神经网络
  • 4.2.2 粒子群优化算法( PSO)
  • 4.2.3 基于PSO 的神经网络初始权值的确定方法
  • 4.3 用BP 网络对人脸特征进行分类
  • 4.4 本章小结
  • 第五章 实验结果及讨论
  • 第六章 结论
  • 6.1 基于核的主分量分析法的研究
  • 6.2 两阶段非线性的特征提取法
  • 6.3 构建基于PSO-BP 神经网络的人脸识别框架
  • 参考文献
  • 研究生期间发表论文
  • 致谢
  • 相关论文文献

    • [1].PSO-BP神经网络在开关柜设备温度预测中的应用[J]. 陕西科技大学学报 2020(01)
    • [2].基于PSO-BP神经网络的油船中部结构优化[J]. 舰船科学技术 2017(01)
    • [3].基于PSO-BP神经网络的掘进机截割部故障诊断[J]. 煤炭科学技术 2017(10)
    • [4].基于PSO-BP的语音增强方法研究[J]. 科技致富向导 2014(08)
    • [5].基于PSO-BP神经网络的黄河利津站输沙量预测[J]. 人民黄河 2020(S1)
    • [6].基于PSO-BP神经网络的入侵检测技术优化算法的研究[J]. 软件工程 2017(09)
    • [7].荧光光谱法和PSO-BP神经网络在山梨酸钾浓度检测中的应用[J]. 中国激光 2015(05)
    • [8].煤层瓦斯含量PSO-BP神经网络预测模型及其应用[J]. 中国安全科学学报 2020(09)
    • [9].基坑变形小波去噪及PSO-BP神经网络预测模型研究[J]. 北京测绘 2020(08)
    • [10].基于PSO-BP的涡扇发动机重量估算方法研究[J]. 系统仿真技术 2015(01)
    • [11].基于改进PSO-BP的拉延筋参数反求优化[J]. 锻压技术 2014(04)
    • [12].PSO-BP神经网络在某煤机企业安全库存预测中的应用[J]. 煤炭技术 2017(10)
    • [13].PSO-BP模型在引水隧洞初始应力反演计算中的应用[J]. 吉林水利 2020(08)
    • [14].基于PSO-BP算法的雷电流概率预测研究[J]. 国外电子测量技术 2018(10)
    • [15].基于PSO-BP的红外温度传感器环境温度补偿[J]. 传感器与微系统 2015(02)
    • [16].一种改进的PSO-BP算法在液压系统故障诊断中的应用[J]. 液压气动与密封 2012(11)
    • [17].种荧光光谱法和PSO-BP神经网络相结合的山梨酸钾浓度测定的新方法(英文)[J]. 光谱学与光谱分析 2015(12)
    • [18].改进PSO-BP算法的压力导丝温度及非线性补偿研究[J]. 自动化仪表 2016(06)
    • [19].多策略PSO-BP算法在尾矿坝监测系统中的应用[J]. 有色金属(矿山部分) 2015(03)
    • [20].基于PSO-BP集成的国内外企业信用风险评估[J]. 计算机应用研究 2014(09)
    • [21].基于PSO-BP神经网络优化的汽车斗框注塑成型优化[J]. 塑料 2020(05)
    • [22].基于PSO-BP神经网络的网络时延预测算法[J]. 自动化与仪表 2020(07)
    • [23].基于PSO-BP的远距离物流车辆等候时间判断研究[J]. 物流技术 2014(05)
    • [24].基于改进PSO-BP神经网络的变压器故障诊断[J]. 上海电力学院学报 2014(03)
    • [25].基于PSO-BP算法的水下机器人运动模型辨识[J]. 机械与电子 2013(03)
    • [26].基于PSO-BP模型的黄河兰州站含沙量预测[J]. 人民黄河 2012(09)
    • [27].基于PSO-BP算法的微带天线谐振频率神经网络建模[J]. 中国传媒大学学报(自然科学版) 2009(02)
    • [28].基于PSO-BP神经网络的加氢脱硫柴油硫含量的预测研究[J]. 石油化工 2017(01)
    • [29].基于PSO-BP算法的联盟航线市场份额预测[J]. 华东交通大学学报 2020(01)
    • [30].基于优化PSO-BP算法的软件缺陷预测模型[J]. 计算机工程与设计 2016(02)

    标签:;  ;  ;  ;  ;  

    基于两阶段特征提取法和PSO-BP神经网络的人脸识别方法研究
    下载Doc文档

    猜你喜欢