基于SIFT降維和BP網(wǎng)絡(luò)的人臉識(shí)別方法的研究.pdf

1、人臉識(shí)別技術(shù)作為生物特征識(shí)別中的一個(gè)重要的熱點(diǎn)課題和研究領(lǐng)域，其應(yīng)用前景廣泛，具有較高的研究?jī)r(jià)值。人臉識(shí)別就是將人的面部特征作為鑒別身份的標(biāo)簽，使用人工智能方法，提取人臉的幾何、顏色、統(tǒng)計(jì)等特征后，對(duì)不同人臉進(jìn)行區(qū)分。然而，現(xiàn)實(shí)中人臉圖像經(jīng)常會(huì)受到光照、旋轉(zhuǎn)、尺度等環(huán)境因素的影響，基于尺度不變的特征提取算法(SIFT)的特性可適應(yīng)環(huán)境變化對(duì)人臉識(shí)別的影響，但是SIFT算法提取的特征維數(shù)較高，影響了人臉識(shí)別的效率。
　　為了解決SI

2、FT算法存在的問題，本文對(duì)SIFT算法進(jìn)行改進(jìn)，并結(jié)合BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了一種新的人臉識(shí)別方法，有效的提高了人臉識(shí)別的效率和準(zhǔn)確率。
　　論文首先分析了人臉識(shí)別的研究背景和國(guó)內(nèi)外研究現(xiàn)狀，研究了人臉識(shí)別相關(guān)技術(shù)以及人臉識(shí)別當(dāng)中常用的主成分分析(PCA)算法、BP算法。
　　其次，本文在SIFT特征提取算法的基礎(chǔ)上加以改進(jìn)，提出了基于PCA的SIFT特征提取降維算法:深入研究了SIFT特征提取算法。SIFT算法使得人臉圖像具有縮

3、放、平移、旋轉(zhuǎn)不變的特性，能夠解決環(huán)境因素對(duì)人臉識(shí)別的影響。但是普通SIFT算法提取的特征維數(shù)較高，而這些特征并不都是對(duì)識(shí)別分類有貢獻(xiàn)的特征，存在大量的冗余和不相關(guān)特征，增加了計(jì)算開銷。為解決此問題，通過PCA算法將SIFT算法提取出的類別相關(guān)性強(qiáng)的特征挑選出來(lái)，從而剔除冗余特征，降低特征維數(shù)，提高后續(xù)算法的識(shí)別效率。在Matlab平臺(tái)下進(jìn)行驗(yàn)證，經(jīng)實(shí)驗(yàn)證明了該算法的有效性。
　　最后，本文提出了基于SIFT降維和BP網(wǎng)絡(luò)的人臉識(shí)