一种基于局部二值和粒子群优化BP神经网络的人脸识别方法

摘要

本发明公开了一种基于局部二值和粒子群优化BP神经网络的人脸识别方法，首先将已知人脸库中每类人脸图像无重叠的分为训练样本集和测试样本集，对图像进归一化和局部二值预处理；其次，对预处理后的图像做二维离散小波变换，去除对角线分量的影响，将其余三个频带分量加权融合，再对融合后的图像做二维离散余弦变换，利用zigzag扫描方式提取其主要变换系数矩阵；再次，利用粒子群算法优化BP神经网络的初始权值和阈值进行网络训练；最后，将测试样本集数据送入到已训练好的BP神经网络中进行测试，计算出识别率。本发明具有较高的运算效率和识别能力，适用于人脸识别系统。

主权项

一种基于局部二值和粒子群优化BP神经网络的人脸识别方法，其特征在于，包括以下步骤：(1)将已知人脸库中每类人脸图像随机抽取一定数目作为训练样本集I_train＝{X₁,X₂,...,X_j,...，X_A}，其中，X_j为每个训练样本图像，A为训练样本数；(2)对训练样本集中每幅M×N像素的灰度图像进行几何归一化处理，将其归一化为H×H大小的图像，记为I′_train，其中0＜H≤min(M,N)；(3)利用局部二值算法对几何归一化后的训练集图像I′_train提取光照不变量，去除光照影响，得到光照处理后的训练集图像I″_train；(4)对步骤(3)中经过局部二值算法处理后的图像集I″_train进行加权二维离散小波变换，得到变换后的图像集I_train,DWT；(5)对步骤(4)得到的图像集I_train,DWT中每个样本图像做二维离散余弦变换，得到变换系数矩阵Y＝{Y₁,Y₂,...,Y_h,...,Y_A}，其中，Y_h为每个样本图像经过二维离散余弦变换后得到的变换系数向量，然后，将变换系数矩阵Y中每个向量利用zigzag扫描方式展开，最后，提取每个展开向量的主分量，组成最优特征向量E；(6)设置神经网络参数，确定BP神经网络的拓扑结构，输入层节点数Q、隐含层节点数W、输出层节点数Z、激活函数Sigmoid函数；(7)通过粒子群算法优化BP神经网络权值和阀值；(8)将步骤(7)得到的全局最优值映射为神经网络的初始权值和阈值，训练BP神经网络；(9)将人脸库中其余图像作为测试样本集I_test，将其重复步骤(2)到步骤(5)的处理，然后将测试样本数据输入到步骤(8)所得到的已训练好的BP神经网络中进行测试，计算识别率。