论文总字数：13280字

摘 要

人脸识别是计算机视觉领域中非常活跃的一个研究方向，是模式识别与人工智能的研究热点之一，在民用领域和军事领域都有着都有广泛的应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和识别的性能。论文介绍了常用的分类规则，分析了人工神经网络以及BP算法的优缺点。通过改进反对向传播算法（BP），有效的提高了人脸识别的速度以及性能，实验仿真证实了本文提出的算法在提高人脸识别速度与精度方面的有效性。

关键词:人工神经网络，Gabor滤波器，特征提取，人脸识别

Abstract: Face recognition is a very active field of computer vision research direction,it is one of pattern recognition and artificial intelligence research focus in the field of civil and military fields ,it have a have a wide range of applications. Face recognition is a core feature extraction process, the effectiveness of feature extraction directly affects the speed and performance of the identified categories. This design describes the common classification rules, analyze the advantages and disadvantages of BP artificial neural network algorithms. By improving the objection to the propagation algorithm (BP), effectively improve the speed and performance of face recognition, confirming the validity of the proposed algorithm in improving the speed and accuracy of face recognition

Keywords:artificial neural networks , gabor filters, feature extraction, recognition

目 录

1 绪论 4

1.1 研究背景及意义 4

1.2 人脸识别的常用方法 4

2 Gabor特征值提取 5

2.1 Gabor算法介绍 5

2.2 人脸图像的Gabor特征 7

3 人工神经网络技术 9

3.1 人工神经网络简介 9

3.2 反向传播算法(BP)及其改进 10

4 实验结果及仿真 13

结论 16

参考文献 17

致谢 18

1 绪论

1.1 研究背景及意义

人脸识别是辨别生物特性的重要方向之一，它包括计算机对图片的识别和处理，辨别模式的识别等多个相关领域的研究范畴，在今后相当长的一段时间里会具有很大的实用性。相对于其它辨别生物特性技术，人脸识别技术最为经济性，用户成本最小。与其它识别技术相比，人脸识别技术具备有侵袭性小、需要较少需求或者根本不需要该用户的主动的配合、样品的采集相比以往更加的方便、涉及的应用场所非常的普遍、潜在的数据库资源非常的丰富、机器设备的成本非常低等众多益处^[1]。人脸特征辨别系统具有操作简单、实用性广、可以支持单对单或单对多进行细节比对、具有数据库纪录和查询能力，也可支持多方面同时录取信息进行比对、对于采集信息的现场的环境要求较低，可以在相当短的时机里自主判断出进出设备的人员的身份是否合乎要求，根绝对于使用别人的钥匙、第三方用户密码、第三者的磁卡等非法人员进入。人脸辨别技术安全性和可行性较高，并且这项技术拥有广阔的应用市场。

人脸识别技术已经是人类熟练使用的技术，对于电脑来说，实现人脸识别却还有重重困难。每个人的脸看上去都非常相似，也有着差异不大的纹理。由于图片会受到诸如光照条件、拍摄的角度和拍摄的距离和相关外界因素的存在，每个人都有许多面孔，如果要建立一种放之四海而皆准的的描述模型非常困难。类似淘宝为代表的电子商务平台、机场、车站等相关重要场所的进出人员的安全认证工作、大型计算机引领的越来越智能化的环境和许多相似的应用领域迫切要求处理大量相关人脸信息。

1.2 人脸识别的常用方法

（1）基于几何特征的方法

人脸识别实现的第一的方法是几何原理。每个人的脸都由睫毛、脸颊、眼睛、嘴唇。鼻子，正是因为我们每个人都有着不同形状和大小和的这些器官使得我们每个人在这个星球上都找不到第二个百分百相似的自己，所以如何正确的描述这些人的五官的形状、结构，是实现人脸识别的关键步骤。这样就可以消除由于间隔时间、光照条件等的影响所带来的差异性。几何特征矢量以每个人的脸部器官形状为基础。

（2）基于弹性模型匹配方法

基于弹性模型的匹配方法具体操作为选取人脸图像上的特征点作为基准点构图，每个基准点都代表一个特征向量，当然这些特征矢量具有想当大的代表性。完成识别则需要我们通过测试与特征样本的匹配度获得。要实现弹性模型的匹配有很多种方法，比如：我们人为设置几组网络节点在人脸图像上，每个节点都有一个独立唯一的的Gabor幅度特征，我们用它来描述这个节点的特征，每个节点之间的连接程度可以用几何距离表示，形成二维拓扑图的人脸描述图像，根据两个不同图片中的节点的相似性来实现人脸识别。将人脸图像用3D网格表面来表示，这种3D网格可以实现变形，这样人脸匹配就可以人为转换为曲面匹配的问题，实现曲面变形，用有限元的方法，识别人脸就只需要将两张图片的匹配度进行匹配。

（3）其他方法

Brunallid等人则提出了另一种方法，他们做了了大量实验，结果发现模板在拍摄角度、受光照条件、图片后期处理的旋转角度等各种条件已知的情况下，模板匹配比其他方法明显具有优势，但也有不足，实验发现该方法对光照条件、图片后期处理旋转角度和人脸在不同照片中的表情变化方面稳定性较差，甚至直接影响了该方法的直接使用。Goudail等人认为实现人脸识别的重要步骤在于图片本身的属性，图片在坐标轴上能实现平移，所以图片拍摄过程中用户表情的突然变化对结果影响不大。到目前为止，Benarie和他的团队认为VFR所标示的框架可以用于人脸识别，Lam研究的重点方向则在外界环境相比以往发生重大变化之后能否达到预期的契合度，Vetter等人正在计算单个人脸图像中的视点并将它用于其它图片上的可能性。

2 Gabor特征值提取

2.1 Gabor算法介绍

Gabor 小波的特征值在ver标示的框架下具有有鲁棒性^[7,13]，这一现象在待测图片后期处理后得到的旋转角和所受到的光照影响表现尤为严重，使得利用Gabor特征值法实现人脸识别相比其他方法在图片旋转角变化之后有很大优势，是目前相关行业内使用率最广的人脸识别方法。Gabor特征比起以往其他方法，有众多优点，在空间上和方向上有相当大的可靠度和稳定性，能够涵盖图片的大部分的基本信息，正是由于这项优点，行业内都使用这种方法来实现人脸识别。

EGM算法是利用Gabor特征值模拟待测图片并标绘出图片中关键点进而和模板图片进行弹性匹配的算法，首先该算法会扫描一遍待测图片，得到图片得到像素关键点的标示图，识别出标示图中的关键点，抓取像素中的若干个像素点作为后期辨别对象的特征点，绘出像素特征点的二维矢量图Gabor变换，图片脸部，眉毛，眼睛等像素点会作为关键像素点、关键像素点的二维特征值时分量、关键像素点的矢量位置和Gabor变换之后得到的关键像素点的频分量作为参考值、各个关键像素点的时分，频分量和矢量位置等属性绘出关键像素点的分布图，图片关键点的识别就是图片匹配度的问题。由于之前我们选择的关键点，顶点属性图定位精准，识别人脸图片上的关键点，并标出他们之间的距离，位置参数进行建模，良好运用了人脸图片上的关键点位置特征，又很好地表达了人脸图片的脸部纹理。GWN方法能够很好的描述角度，将这些描述角度作为参数来识别图像上的关键点。GWN的思想是根据脸部纹理实现精准的关键像素点定位，由于需要计算出一整幅图片上的像素点的矢量位置，因此需要较长的计算时间和计算机处理成本，由于需要处理的数据较多，这种算法真正投民用市场还需要一段时间。GFC算法也是实现人脸识别的算法之一，它将目标图片与数据模型进行模糊匹配，抓取图片上的像素点，将这些像素点的旋转角度、进行Gabor变的显示。

剩余内容已隐藏，请支付后下载全文，论文总字数：13280字