基于量子遺傳算法的BP神經(jīng)網(wǎng)絡(luò)人臉識別技術(shù)研究.pdf

1、在生物特征識別中，人臉識別占有極其重要的地位，它在訪問控制、司法、電子商務(wù)和視頻監(jiān)控領(lǐng)域有十分廣泛的應(yīng)用。人臉識別是計(jì)算機(jī)模式識別領(lǐng)域非?；钴S的研究課題。經(jīng)過科研人員多年的努力，該領(lǐng)域已取得了較多的成果。但由于人臉識別問題自身的復(fù)雜性，要實(shí)現(xiàn)普遍的應(yīng)用還有許多關(guān)鍵性的問題需要解決。 本文首先介紹了人臉識別的發(fā)展概況和人臉識別的主要方法，然后采用了M—FastICA方法進(jìn)行人臉特征提取，并以QGA—BP神經(jīng)網(wǎng)絡(luò)作為人臉識別的分類器

2、，仿真實(shí)驗(yàn)具有較好的識別效果，這表明本文方法是一種可行的人臉識別方法。 在人臉特征提取方面：本文研究了基于整體的代數(shù)特征提取算法PCA和FastICA，結(jié)果表明采用FastICA算法進(jìn)行特征提取所得到的人臉特征更有效。但對于人臉識別這樣的在線數(shù)據(jù)處理來說，F(xiàn)astICA算法存在計(jì)算量大的缺點(diǎn)，因此，本文采用了基于M—FastICA算法的人臉特征提取方法。該算法簡化了牛頓迭代過程中的雅可比矩陣的計(jì)算。仿真結(jié)果表明，該算法不僅繼承了

3、FastICA算法所提取的人臉特征有效的優(yōu)點(diǎn)，而且與FastICA算法相比可以進(jìn)一步減少算法收斂的迭代次數(shù)和時(shí)間。 在人臉識別方面：本文采用BP神經(jīng)網(wǎng)絡(luò)作為人臉識別分類器。重點(diǎn)研究了隱層節(jié)點(diǎn)與網(wǎng)絡(luò)收斂速度及人臉識別率的關(guān)系，由實(shí)驗(yàn)結(jié)果可知，仿真實(shí)驗(yàn)具有一定的識別效果，但訓(xùn)練時(shí)間較長，不能滿足人臉在線識別實(shí)時(shí)性的要求。 針對這些問題，本文提出了用量子遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值進(jìn)行優(yōu)化，結(jié)果表明，該優(yōu)化方法可以大大縮短