基于ART2網(wǎng)絡(luò)的人臉識(shí)別研究.pdf

1、生物特征識(shí)別技術(shù)（指紋、虹膜、人臉）是通過(guò)把信息技術(shù)和生物技術(shù)這兩個(gè)高科技結(jié)合起來(lái)的新型識(shí)別技術(shù)，人臉識(shí)別作為生物特征識(shí)別技術(shù)的主要方法之一，一直被廣泛關(guān)注。國(guó)內(nèi)外的研究方法分為四類:基于幾何特征的方法、基于子空間的方法、基于人工神經(jīng)網(wǎng)絡(luò)的方法、基于小波特征的方法。
　　 現(xiàn)在應(yīng)用比較廣泛的神經(jīng)網(wǎng)絡(luò)模型有BP神經(jīng)網(wǎng)絡(luò)和Hopfield神經(jīng)網(wǎng)絡(luò)等，但是這些神經(jīng)網(wǎng)絡(luò)都沒有的充分利用人腦的特點(diǎn)，ART2神經(jīng)網(wǎng)絡(luò)是一種基于自適應(yīng)諧振理論

2、的典型自組織網(wǎng)絡(luò)。它采用的是一種無(wú)教師指導(dǎo)的學(xué)習(xí)方式，將網(wǎng)絡(luò)中的學(xué)習(xí)和訓(xùn)練過(guò)程融合在一起，并利用了競(jìng)爭(zhēng)學(xué)習(xí)和自穩(wěn)機(jī)制原理對(duì)輸入模式進(jìn)行聚類，能夠成功地應(yīng)用于人臉識(shí)別。
　　 針對(duì)原始的ART2神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別過(guò)程中對(duì)輸入模式進(jìn)行識(shí)別分類時(shí)，網(wǎng)絡(luò)會(huì)對(duì)大樣本數(shù)據(jù)花費(fèi)大量的時(shí)間去學(xué)習(xí)和識(shí)別，降低了網(wǎng)絡(luò)的工作效率，為此在聚類過(guò)程中引入一種基于粗分類的改進(jìn)算法。改進(jìn)后的ART2神經(jīng)網(wǎng)絡(luò)通過(guò)減少計(jì)算量縮短了輸入模式的識(shí)別時(shí)間，從而有效地提

3、高了網(wǎng)絡(luò)的工作效率。
　　 人臉識(shí)別過(guò)程首先必須解決的就是人臉檢測(cè)問題，利用Adaboost原理對(duì)人臉進(jìn)行檢測(cè)是現(xiàn)如今一種應(yīng)用最廣的基于統(tǒng)計(jì)理論的人臉檢測(cè)方法，能夠有效地提高人臉檢測(cè)的速度，使得人臉識(shí)別過(guò)程能夠?qū)崟r(shí)進(jìn)行，但實(shí)時(shí)獲取的人臉檢測(cè)結(jié)果，對(duì)于同一人不同姿態(tài)的人臉圖像，其一致性很難保證。而最有效的方法是通過(guò)人眼定位對(duì)人臉圖像進(jìn)行旋轉(zhuǎn)、分割和縮放。兩種人臉檢測(cè)方法的實(shí)驗(yàn)結(jié)果表明，人臉圖像標(biāo)準(zhǔn)化在人臉識(shí)別過(guò)程中起著十分關(guān)鍵的作