一种基于人工神经网络的人脸识别方法

沈凌云; 郎百和; 朱明

doi:null

您当前的位置：

首页 >

文章列表页 >

一种基于人工神经网络的人脸识别方法

成像技术与图像处理 | 更新时间：2020-08-12

- 一种基于人工神经网络的人脸识别方法
- Face Recognition Method Based on Artificial Neural Network
- 液晶与显示 2011年26卷第6期页码：836-840
- 作者机构：
  
  1. 中国科学院长春光学精密机械与物理研究所,吉林长春,中国,130033
  2. 中国科学院研究生院北京,100049
  3. 长春理工大学电子信息工程学院,吉林长春,130022
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(No. 60772153)()
- DOI：
  中图分类号： TP391
- 收稿日期：2011-06-23，
  
  修回日期：2011-08-27，
  
  网络出版日期：2011-12-20，
  
  纸质出版日期：2011-12-20
- 稿件说明：
移动端阅览
沈凌云, 郎百和, 朱明. 一种基于人工神经网络的人脸识别方法[J]. 液晶与显示, 2011,26(6): 836-840

SHEN Ling-yun, LANG Bai-he, ZHU Ming. Face Recognition Method Based on Artificial Neural Network[J]. , 2011,26(6): 836-840
沈凌云, 郎百和, 朱明. 一种基于人工神经网络的人脸识别方法[J]. 液晶与显示, 2011,26(6): 836-840 DOI：

SHEN Ling-yun, LANG Bai-he, ZHU Ming. Face Recognition Method Based on Artificial Neural Network[J]. , 2011,26(6): 836-840 DOI：

摘要

提出了一种基于BP人工神经网络的人脸识别新算法。采用积分投影与几何特征提取相结合的方法进行人脸图像特征提取

构建特征向量

利用BP神经网络分类识别。仿真结果表明

该算法应用于ORL人脸库的分类识别

仅用13个特征即可达到平均识别率99%

识别能力显著增强

同时有效地降低了所需特征维数和计算复杂度。

Abstract

New method

back propagation neural network based face recognition was presented in this paper. The proposed method extracts feature from face image with differential projection and geometrical features into eigenvector which was classified by back propagation neural network. The experimental results on ORL face database show that the proposed method can achieve an average recognition accuracy of 99% by using only 13 features. Moreover

the identified power was enhanced effectively

and the computing complexity and feature dimensions were reduced greatly.

关键词

Keywords

references

Lipton A, Fujiyoshi H, Patil R S. Moving target classification and tracking from real-time video [J].IEEE Workshop Application of Computer Vision, 1998, 17(9):8-14.[2] Barron J. Fleet D, Beauchemin S. Performance of optical flow techniques [J].International J. Computer Vision,1994, 12(1):42-77.[3] Jain R. Difference and accumulative difference pictures in dynamic scene analysis[J].Image and Vision Computing,1984,2(2):99-108.[4] 吴亮, 马宏兴. 交通信息的背景提取技术分析 [J]. 西安科技大学学报, 2010, 30(1):117-122.[5] 刘扬,张云峰,董月芳.复杂背景下抗遮挡的运动目标跟踪算法[J]. 液晶与显示, 2010,25(6):890-895.[6] 苏礼坤, 陈怀新. 中值滤波的视频背景更新 [J]. 光电工程, 2010, 37(1):131-135.[7] 李轶博,李小兵,周娴.基于FPGA的快速中值滤波器设计与实现[J]. 液晶与显示, 2010,25(2):292-296.[8] 康晓晶, 吴谨. 基于高斯背景建模的目标检测技术 [J]. 液晶与显示, 2010, 25(3):454-459.[9] 刘士荣, 王凯, 邱雪娜. 基于自适应混合高斯模型全方位视觉目标检测 [J]. 浙江大学学报(工学版), 2010,44(7):1387-1393.[10] 范立南, 韩晓微, 王忠石, 等. 基于多结构元的噪声污染灰度图像边缘检测研究 [J]. 武汉大学学报(工学版), 2003, 36(3):86-90.[11] Gonzalez R C, Woods R E, Eddins S L. 数字图像处理(MATLAB版)[M]. 阮秋琦,译.北京:电子工业出版社, 305-306.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于STM32的智慧家庭设计

基于欠样本混合内变基字典的扩展协同表示算法

基于叠加协同表示分类的人脸识别

非控场景下主成分稀疏表示与低秩分解的人脸识别

角度空间三元组损失微调的人脸识别