基于神经网络的人脸识别方法技术

一种基于神经网络的人脸识别方法属于人工智能和模式识别技术领域，其特征是：（1）在训练阶段，首先通过已知类别的人脸图像对神经网络进行训练，将人脸特征的提取用神经网络的学习过程实现，将人脸特征的描述用连接权大小表示，然后用训练样本测试训练好的神经网络并确定分类阈值；（2）在识别阶段，将待识别人脸图像输入到神经网络，计算神经网络输出向量，取其中最大分量与分类阈值比较给出识别结果。本发明专利技术的优点是对环境光照、视角、表情、化妆等多种因素引起的人脸图像变化有强的鲁棒性，解决了人脸图像中“神似”特征的提取和表示，识别时对每幅人脸图像处理的时间相同。

【技术实现步骤摘要】

本专利技术属于人工智能和模式识别
，具体涉及一种。
技术介绍
在当今的数字化时代，基于钥匙、证件、用户名和密码等的传统身份识别方法已经满足不了对身份认证的要求，利用人本身所具有的生理和行为特征的身份鉴别手段，如利用人脸、虹膜、指纹等进行鉴别受到了关注，成为研究热点。目前主要是把神经网络作为一个分类器使用，神经网络的输入为面部关键部位的形状、大小、位置关系等特征，神经网络只是根据这些特征完成模式分类。可见，这些方法依靠的是一些“看似有效的特征”存在着主观性、获取特征计算量大、鲁棒性差等问题。其实，人们对 人和事物的模式识别往往依靠的是那种难以描述的“神似”特征，这些特征很难用类似于提取和描述形状、大小等特征的方法去获得和描述。用神经网络模拟人的学习过程和联想能力，可以从复杂的数据中建立辨识系统，这符合人类对人脸图像这种复杂数据的认知过程。用神经网络去发现同一人脸多幅图像中存在的共性特征是通过调整神经网络的连接权实现的，这就是神经网络的训练。一旦训练完成，神经网络就可以作为人脸识别器使用，且识别过程无须“逐一比对”，对待识别人数多的识别问题，该系统识别每个人脸图像需要的时间都是相同的。人脸识别要解决的关键问题就是如何提取和表示那些“只可意会、不可言传”的“神似”特征，而神经网络所具有的学习功能和非线性映射功能有助于神经网络从样本感悟至IJ这些特征并记忆于连接权上，实现“神似”特征的提取和表示。
技术实现思路
本专利技术目的在于提供一种，可有效地克服现有技术存在的缺点。本专利技术目的是这样实现的，其特征在于实施步骤如下(I)采集人脸图像，通过人脸检测和定位算法在人脸图像中分割人脸，将这些人脸图像统一缩放成MXM像素的灰度图像，设需要识别的人数为W，取每个人的人脸图像幅数为C，W和C均为正整数，人脸图像P(i’j)表示第i人的第j幅图像，i=l, 2，…，W，j=l, 2，…，C，P⑴表示第i人的全部图像，有P(i’J) G P(i)，构造期望输出向量d2⑴，…，(1产)，…，dw(i))，其中Cli⑴取0. 8^1. 0，D⑴其余的分量为0. (T0. 2 ；(2)设计神经网络的结构，采用输入层、三个隐层和输出层的五层神经网络，输入层节点数为MXM，隐层节点数为(r8)log2(M2+W2)，输入层和隐层的输出函数均选为tansig函数，输出层节点数为需要识别的人数W，输出函数选purelin函数，将均方误差作为训练停止的条件；(3)训练神经网络，取已知人脸样本P(M)作为神经网络输入，计算神经网络输出向量0(i’ j)=(o产J), O2(i'J)，…，o产J),…，ow(i’J))，并与已知人脸样本对应的期望输出向量D⑴=W1⑴，d2w，…，屯⑴，…，d/))比较，将比较误差E(i’j)=D⑴-0(i’j)用于调节神经网络连接权大小，反复训练神经网络，直到均方误差本文档来自技高网...

【技术保护点】
一种基于神经网络的人脸识别方法，其特征在于实施步骤为：（1）采集人脸图像，通过人脸检测和定位算法在人脸图像中分割人脸，将这些人脸图像统一缩放成M×M像素的灰度图像，设需要识别的人数为W，取每个人的人脸图像幅数为C，W和C均为正整数，人脸图像P(i，j)表示第i人的第j幅图像，i=1,2,…,W，j=1,2,…,C，P(i)表示第i人的全部图像，有P(i，j)∈P(i)，构造期望输出向量D(i)=(d1(i),d2(i),…,di(i),…,dW(i))，其中di(i)取0.8~1.0，D(i)其余的分量为0.0~0.2；（2）设计神经网络的结构，采用输入层、三个隐层和输出层的五层神经网络，输入层节点数为M×M，隐层节点数为(4~8)log2(M2+W2)，输入层和隐层的输出函数均选为tansig函数，输出层节点数为需要识别的人数W，输出函数选purelin函数，将均方误差作为训练停止的条件；（3）训练神经网络，取已知人脸样本P(i，j)作为神经网络输入，计算神经网络输出向量O(i，j)=(o1(i，j),o2(i，j)，…,oi(i，j),…,oW(i,j))，并与已知人脸样本对应的期望输出向量D(i)=(d1(i),d2(i),…,di(i),…,dW(i))比较，将比较误差E(i，j)=D(i)?O(i，j)用于调节神经网络连接权大小，反复训练神经网络，直到均方误差满足要求；（4）将P(i，j)（i=1,2,…,W，j=1,2,…,C）逐一输入神经网络，记录所有的输出O(i，j)（i=1,2,…,W，j=1,2,…,C），将O(i，j)中所有第i个分量看作同一类样本same，将O(i，j)中除第i个分量外的其它分量看作另外一类样本different，根据对same和different两类样本的统计分析，确定分类阈值T，此时，训练好的神经网络就可作为人脸识别器；（5）识别时，将待识别人脸图像P输入到神经网络，计算输出向量O=(o1,o2,…,oW)，若O=(o1,o2,…,oW)中第K个分量最大，即且oK>T， 那么待识别人脸图像P属于第K个人，否则给出“不认识”的结果。FDA00002590685100011.jpg,FDA00002590685100012.jpg...

【技术特征摘要】
2012.10.12 CN 201210384589.01.一种基于神经网络的人脸识别方法，其特征在于实施步骤为(1)采集人脸图像，通过人脸检测和定位算法在人脸图像中分割人脸，将这些人脸图像统一缩放成MXM像素的灰度图像，设需要识别的人数为W，取每个人的人脸图像幅数为C，W 和C均为正整数，人脸图像P(i’j)表示第i人的第j幅图像，i=l, 2，…，W，j=l，2，…，C，P(i)表示第i人的全部图像，有P(i’j) e Ρω，构造期望输出向量d2⑴，…，φω，-,dff(i))， 其中d,)取O. 8^1. O, D(i)其余的分量为O. (Γ0. 2 ；(2)设...

【专利技术属性】
技术研发人员：田启川，张兰芳，陈志新，王亚慧，李临生，
申请(专利权)人：北京建筑工程学院，
类型：发明
国别省市：