隱Markov模型和神經網絡人臉識別算法研究.pdf

1、人臉自動識別是計算機科學的一個前沿課題，有著十分廣泛的應用前景，其對人臉的自動識別涉及到模式識別，數字圖像處理，生理和心理等多方面的課題。目前常用的方法有特征臉方法、小波分析方法、基于神經網絡的人臉識別方法、基于統計模型的識別算法。當光線、角度及人臉尺寸變化時，識別率明顯下降，且應用神經網絡算法時原始灰度圖象數據量十分龐大，造成神經元數目過多，訓練時間很長。
　　本論文針對上述問題，提出了兩種人臉識別算法：基于HMM的統計模型人臉

2、圖像識別算法和基于灰度形態(tài)學的BP神經網絡算法。論文的主要內容包括：
　　1、分析了人臉自動識別的研究現狀，對人臉特征提取，HMM，ANN改造等關鍵技術進行了討論。
　　2、根據人臉識別系統的技術要求，給出了系統的總體設計方案，闡述了系統的硬件結構和軟件流程。
　　3．由于人臉自上而下自左至右的不同特征區(qū)域可用隱Markov模型的狀態(tài)序列來表示，因此提出基于DCT離散余弦變換的數據壓縮方法和隱馬爾可夫模型相結合的方法，