基于神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)設(shè)計【文獻綜述】

1、畢業(yè)設(shè)計畢業(yè)設(shè)計文獻文獻綜述題目：基于神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)設(shè)計專業(yè)：電子信息工程1前言前言人臉的識別是基于生物特征識別技術(shù)的一種主要方法。早在1888年和1910年，高爾頓在《NATURE》雜志內(nèi)發(fā)表了2篇關(guān)于通過人臉進行身份識別的文章，而且對人類自身的人臉識別能力也進行了分析。自1990年之后，人臉識別得到了空前的發(fā)展，許多理工科大學(xué)和IT產(chǎn)業(yè)公司都開始對此進行了研究，通過對人臉圖像的檢測標準化，然后進一步分析人臉的表征，提取人臉的

2、特征，識別人臉，最后輸出相應(yīng)的符號。人臉識別其實是基于光學(xué)的人臉圖像的身份識別和驗證，通過屬性分離、特征提取、分類判斷得到最后的結(jié)果。神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元相互連接而成的的，是一個自適應(yīng)的動態(tài)系統(tǒng)，而神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)中的基本元件，人工神經(jīng)網(wǎng)絡(luò)從某種角度模仿、簡化和抽象了人腦功能的若干基本特征。從腦神經(jīng)元學(xué)說之后就有了人工神經(jīng)元的研究。1943年開始一直到現(xiàn)在，神經(jīng)網(wǎng)絡(luò)一直不斷的發(fā)展，雖然中間也遇到不少挫折，但是仍然得到了突破性的發(fā)

3、展。神經(jīng)網(wǎng)絡(luò)技術(shù)不僅是在人工智能、自動控制、計算機科學(xué)、信息處理等方面有很大突破，而且也在機器人、模式識別、cadcam方面也有發(fā)展。Matlabe則是一款功能強大的信號處理軟件，是交互性非常好的可視化工具，里面還有各種的工具箱，可以通過對文件編程和連接，完成各種高難度的計算和轉(zhuǎn)化識別。通過人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)、人臉識別技術(shù)與matlab軟件三者相結(jié)合，來完成神經(jīng)網(wǎng)絡(luò)的人臉識別系統(tǒng)。人臉識別是實現(xiàn)的內(nèi)容神經(jīng)網(wǎng)絡(luò)則是實現(xiàn)這個任務(wù)的具體技術(shù)，通

4、過Matlabe軟件的綜合實現(xiàn)完成最終的識別。2主題2.1研究背景及意義研究背景及意義人工神經(jīng)網(wǎng)絡(luò)的發(fā)展已經(jīng)有一段比較長的歷史了，據(jù)《MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計》的記載，它的發(fā)展有過兩個高潮，第一次熱潮開始于1943年，著名心理學(xué)家W.mcculloch、數(shù)學(xué)家W.pitts、hebb開創(chuàng)了神經(jīng)科學(xué)理論研究時代。之后相繼有了更大的發(fā)展：伺服電機反饋自穩(wěn)定系統(tǒng)、模擬人腦感知和學(xué)習(xí)能其中有個hopfield神經(jīng)網(wǎng)絡(luò)，是一種反饋神經(jīng)網(wǎng)絡(luò)，并

5、且還具有聯(lián)系記憶。在運行過程中會對網(wǎng)絡(luò)進行初始化，初始化之后可以從網(wǎng)絡(luò)系統(tǒng)之中隨機的選取一個神經(jīng)元并按照公式計算出神經(jīng)元的輸入和輸出，與此同時網(wǎng)絡(luò)中的其他神經(jīng)元系統(tǒng)將會保持不變。然后去判斷網(wǎng)絡(luò)有沒有到達穩(wěn)態(tài)，到了穩(wěn)態(tài)之后則結(jié)束循環(huán)，沒有到達則繼續(xù)循環(huán)以上步驟。這個系統(tǒng)有反饋功能，可以更加清楚的知道系統(tǒng)的結(jié)果。同時，神經(jīng)網(wǎng)絡(luò)技術(shù)也會在將來的社會中也會有更大的發(fā)展和應(yīng)用。據(jù)現(xiàn)在的觀察和展望，表明紋理識別算法、3d變形模型、混合模型、多特征融

6、合、多分類器融合等應(yīng)該會有很大的發(fā)展空間。另外對于人臉的不同角度透視和能量分析，高精度的特征提取，系統(tǒng)具體的識別分析，也都是有一定發(fā)展的空間的。每一個領(lǐng)域都不會完全發(fā)展到極致，總是需要更多的新鮮血液注入發(fā)展。而人臉的識別是基于生物特征識別技術(shù)的一種主要方法。早在1888年和1910年，高爾頓在《NATURE》雜志內(nèi)發(fā)表了2篇關(guān)于通過人臉進行身份識別的文章，而且對人類自身的人臉識別能力也進行了分析。自1990年之后，人臉識別得到了空前的發(fā)

7、展，許多理工科大學(xué)和IT產(chǎn)業(yè)公司都開始對此進行了研究，通過對人臉圖像的檢測標準化，然后進一步分析人臉的表征，提取人臉的特征，識別人臉，最后輸出相應(yīng)的符號。人臉檢測、人臉表征、人臉識別是人臉識別的主要內(nèi)容?？上攵?，人臉識別與傳統(tǒng)的指紋匹配、聲音識別等具有很多優(yōu)點：不需要使用者的配合，非接觸式采集，事后跟蹤能力強，更加符合人類的識別習(xí)慣，設(shè)備通用簡單，容易被接受，操作隱蔽、適合改善人機界面。但是人臉的識別和檢測也受很多因素的影響：姿態(tài)、裝

8、飾、遮擋、背景、人類表情、成像條件、年齡跨度等。因此這種技術(shù)先進仍需要各方面的改進，才可以更加精準的應(yīng)用于我們的社會發(fā)展。其中有一步非常關(guān)鍵就是特征提取部分，在正規(guī)化后的人臉圖像中按照一定的規(guī)律方法抽取出用來識別的特征，并將原始的臉空間中的數(shù)據(jù)映射到特征空間，在測量空間和特征空間中，通過變換把高維的測量空間中的模式變?yōu)榈途S的測量空間模式。低維中的樣本相當(dāng)于一個點然后可以輸入到我們所設(shè)計的系統(tǒng)中進行識別。本次研究的目的是為了對L中的人臉進