论文部分内容阅读
人脸朝向识别作为人脸识别的一个重要方面,在智能访客系统、驾驶员状态评估等方面得到了广泛应用,因此如何有效地提取人脸朝向特征逐渐成为人脸识别技术的研究热点之一。本文引入一种被称为第三代人工神经网络一脉冲耦合神经网络(Pulse Coupled Neural Network,简称PCNN)算法,通过深入分析它的神经元模型、基本工作原理以及各种优良特性等,研究了利用PCNN特征序列(熵序列、对数序列、时间序列、标准方差序列)分析人脸朝向特征的方法。 文中将人脸朝向大致分为左方、左前方、前方、右前方、右方5类,通过求平均的方法得到各类朝向的特征序列,利用欧氏距离来对未知人脸的特征序列与各类朝向特征序列进行相似性度量。实验结果表明,4种特征序列都在一定程度上反映了人脸朝向的有效信息,通过与欧氏距离法结合得出基于PCNN对数序列的人脸朝向特征提取方法的效果最好,识别正确率最高。文中对加噪图像的识别进行了研究分析,实验表明一定范围内的椒盐噪声对PCNN对数序列的影响不大,可以正确识别人脸朝向;当椒盐噪声增大到一定程度时,会对PCNN对数序列产生影响,已经不能准确识别人脸朝向,此时,滤除噪声显得尤为重要。 研究还将脉冲耦合神经网络的4种特征序列分别与BP神经网络的人脸朝向识别算法相结合进行人脸朝向的判别,并通过比较4种特征序列的识别效果来进行分析研究。实验表明,基于PCNN对数序列的BP人脸朝向识别的效果最好,识别正确率最高。