基于偽Zernike矩和BP網(wǎng)絡(luò)的人臉識(shí)別算法研究.pdf

1、針對(duì)人臉特征提取,本文在前人研究的基礎(chǔ)上,以歸一化偽zernike矩為理論基礎(chǔ),提出基于歸一化偽zernike矩的人臉識(shí)別特征提取方法。首先計(jì)算人臉圖像的偽zernike矩,然后用該圖像的(0,0)階幾何矩對(duì)其進(jìn)行歸一化處理,最后采用最小鄰近分類器進(jìn)行判別。實(shí)驗(yàn)結(jié)果表明該人臉識(shí)別算法能夠提取樣本特征,在人臉尺度及平面姿態(tài)旋轉(zhuǎn)變化時(shí)具有較高的識(shí)別率,采用基于偽zernike矩的特征提取方法要優(yōu)于傳統(tǒng)方法。針對(duì)人臉識(shí)別,本文以BP算法和RR

2、A理論為基礎(chǔ),采用BP_RRA作為人臉識(shí)別分類器,結(jié)合歸一化偽zernike矩,提出一種基于歸一化偽zernike矩和BP_RRA神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法。首先提取人臉特征并降維,即計(jì)算訓(xùn)練樣本的歸一化偽zernike矩值。然后把矩值帶入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并用進(jìn)化算法RRA對(duì)BP網(wǎng)絡(luò)的連接權(quán)值進(jìn)行優(yōu)化處理,使其能夠快速收斂、避免陷入局部極值。實(shí)驗(yàn)結(jié)果表明本算法的識(shí)別率較高,能夠針對(duì)不同類別進(jìn)行有效的訓(xùn)練,對(duì)面部表情變化、一般光照及姿態(tài)