如发现有乱码， 请直接从这里浏览原文
正文摘录:

2007年第2期总第241嵌入式与主成分分析与BP神经网络的人脸识别方法研究蔺广逢’，范引娣。，张媛。q.西使理【：尺学ElJ刷包装f：程学院陕西西发7100'18；2.陕西交通职业技术学院陕西西安7100213.K安火学信息工程学院陕西西安710064)摘要：BP神经网络在人脸识别方面的研究中，原始样本数据不进行预处理与特征提取，不仅使识别结果准确降低，而且使BP神经的结构复杂化。主成分分析法能提取代聱样本的少数几个主成分，这些主成分彼此不相关，符合特征优化的要求。HiolD人脸数据库实验表明，将主成分分析与BP神经网络相结合，与传统单一的BP神经网络识别相比·提高识别的正确率，减少了训练时间.同时简化了网络结构，减少很大的计算量。关键词：主成分分析；HP神经网络；人脸识别；I~,iolI)人脸数据库中图分类号：TI，39】文献标识码：A文章编号：1004—373X(2007)02—053一03FaceRecognitionMethodofPrincipalComponentAnalysisandBack·——propagationNeuralNetworkI。IN(；uangfcng’，FANYindi!，ZHANGYuan。(1Sol㈣1。fPrill.ing川1PackirlgEngineering.Xi’m1UnMr’ityof’Fecllno’ogy.Xi’c^ll·71(…18一㈨iT1a：!s_’|1allxiL’(]IIL、gt()fc。【11n_lllllcatlf】llTcchI】nI()gy.Xi。..n，710021，(2hill。，；.{.Sctl()()I()fIllfl)rlll~ltio【_Engineering·CtlaIlg‘alIIinivtrsi’Y，xl'ali~71006￡{·【’h‘“。、Abstract：Int11eresearchoffaccrecognitionbasedonBPtleuraInetworktherecognitionprecisionwillhcIOWall(ithestnlcnlreofBPneuralr】etworkwillbec。nlecomplexifsample’sdataisnotpreprocessedandfeaturesrlre11(¨exira‘’ted·l}1cprin(、ipfllco『Ilp()nenlanalysiseaI-iextractmainfactorsthatreplacethewholefacesamples·furthermorethesejai[orsar‘!n’)t(，()rrelativceach()therandcanwellsatisfythefeaturesoptimization.InBioIDdatabaseexperimentshowsthaifirstlyIhc纠inei‘㈨lc()lII【J()IlentanalysisLlsedtoprocessthefacesampledata，thenthe}jI]neuralnetworkusedt()recognizetheface，c‘’mpa。edwnht11(、trrlditi()nslmpler11cth()d，itimprovestbeprecision，r(ducestrainingtime·simplifiesstructureofnetanddecreast、HtheCalClllaLion.Keywords：{)rincipalcomponentanalysis；BEneuralnetwork；faeerecognition；BioIDfacedatabase人舱的研究池围包括4个方面的内容：人脸检测(de∽(m|)11)、人舱的规范化(norrnalization)、人脸表征(face川删¨ntarioll)桐1人舱以别(recogtdtion)。在人脸}只别方Ⅲ￡婴有以下几炎方‘法：垠川L¨特征的人脸识别方法、琏_f特征脸的人脸识别方法、犟于局部特征的人脸识别方法、基于小波特征的弹性匹配方法和基于神经网络的人睑炽别方法。研究表明传统方法和神经网络设计了组合分类器，在识别效果的准确率、容错性、鲁棒性等方而取得了一定的进眨。神经网络方法住人脸识别L比其他类别的，』‘法有独到的优势，他避免J，复杂的特征提取工作，可以通过学习的过群获得其他方法难以实现的关于人脸识别旧规律和规jJ!IJ的隐性表达”。神经网络方法有以下2打面缺点：(1)…】：啄始耿度圈像数据量十分庞大，因此神经_几收稿日期：2()06—06一l6数}{通常很多，训练时间很长。(2)完全基于神经网络的识别法红现仃的汁锋机系统(冯一诺伊曼结构)上有其内在的局限性。主成分分析法是研究多个变量间相关忡旧‘种多5L统计方法。通过少数几个主分量(原始坐髓阳线性组合)解释多变量的方差.即导出少数几个主分射.使他们尽町能完整地保留原始变量的信息，且彼此问小棚关，以达到简化数据的目的。主成分分析法结合BE神经网络用于人脸的识别，既提高_r识别精度、减少了圳缘时问，又简化r网络结构0。0。2人脸图像的特征提取主成分分析法是模』弋识5jIJ中的一种行之有效的特征提取方法。在人脸识别研究巾.可以将主成分分析法用于人岭图像的表示”’。在文献E7]一：¨巴一幅N×N大小的人『}_==；=图像f1J以按列十¨连接而构成一一个N。维的列…硅.降向廿叫“iJjc足N。维奎问中的一个点。通过K，。变换川’叫埂维严’≯问描述5：{