基于神经网络的人脸识别技术研究

"这篇硕士学位论文探讨了基于人工神经网络技术的人脸正面图像自动识别，作者黄海英在控制理论与控制工程专业指导下，利用神经网络进行人脸识别的研究，旨在提高识别的准确性和实用性。" 人脸识别技术是一种结合模式识别、计算机视觉和图像处理的先进技术，其在公共安全、安防监控以及金融等领域有着广泛的应用。近年来，随着人脸识别技术在商业领域的普及，它成为了图像识别和理解领域中的热门研究主题。 论文主要分为三个核心部分：图像预处理、特征提取和人脸分类器设计。首先，通过预处理步骤，包括人眼定位、纯脸区域提取、灰度归一化和尺度归一化，减少干扰因素，提高后续处理的准确性。接着，采用基于K-L变换的特征脸方法，将图像特征有效地压缩，减少数据量的同时保持关键信息。最后，论文引入改进的学习算法的径向基函数神经网络（RBFNN）作为人脸分类器，以实现高效的人脸识别。 在MATLAB 7.0.1环境下，该算法被实现并构建了一个人脸自动识别系统。实验结果显示，该方法在ORL人脸数据库上的正确识别率达到了89%，证明了基于RBF神经网络的人脸识别技术的有效性。 关键词涵盖了人脸识别、RBF神经网络、K-L变换和人眼定位，这些都是该研究中的关键技术和概念。K-L变换是一种常用的数据降维方法，能够提取图像的主要成分；RBF神经网络以其快速学习和良好的非线性映射能力，常用于分类任务；而人眼定位则为预处理阶段的重要步骤，确保面部特征的精确提取。 这篇论文深入研究了神经网络在人脸识别中的应用，提出的预处理和分类方法具有一定的创新性和实用性，对于提升人脸识别系统的性能有重要的参考价值。