今天是:

实验室资讯网

当前位置: 主页 > 技术 > 技术资料 >

基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导

实验室资讯网时间:2017-12-19 点击: 百度搜索

【导读】研究基于聚类算法进行人脸识别的方法。通过学习过程训练RBF神经网络的连接权值、隐含层中心和宽度等参数。通过仿真实验数据对比分析了人脸图像子图像的保留个数、每幅子图像保留奇异值......
TAG标签: 人脸识别 聚类算法 RBF神经网络 仿真实验

基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导

  摘要:研究基于聚类算法进行人脸识别的方法。通过学习过程训练RBF神经网络的连接权值、隐含层中心和宽度等参数。通过仿真实验数据对比分析了人脸图像子图像的保留个数、每幅子图像保留奇异值向量的个数以及聚类因数、因数的选取,为聚类算法人脸识别取得良好的应用效果提供了量化的指导。

  关键词:聚类算法;人脸识别;RBF神经网络;仿真实验

  引言

  在智能小区的安防系统中,人脸识别技术的应用,提高了安防报警系统的安全可靠性。人脸识别技术因其具有非接触性、特征提取方便、防伪性能高等优势得到广泛的应用。人脸识别技术综合了计算机、通信、光学、电子、机械等多学科技术,在控制领域和智能建筑领域有着广阔的应用前景 [1~8] 。本文研究了基于聚类算法判别人脸图像的方法,达到应用于智能小区门禁系统和楼宇门禁系统的实际应用要求,如图1所示。

  基于图像分块进行人脸识别时,随着分块数目的增多,子图像保留的奇异值个数、维数的控制,以及子图像权重的赋值等问题,若只依靠主观经验来决定,则缺乏客观依据[9~10]。径向基函数(RBF-Radial Basis Function)网络是一种性能良好的前馈型三层神经网络,具有全局逼近性质和最佳逼近性能,训练方法快速易行,RBF 函数还具有局部响应的生物合理性。在隐含层中心确定的情况下,RBF网络只需对隐含层至输出层的单层权值学习修正,比多层感知器具有更快的收敛速度。利用 YALE人脸数据库,通过RBF网络对奇异值个数、子图像数目、特征值数量、聚类因数 、聚类个数、 因数的测试结果,为人脸图像的识别提供客观地指导。

  利用相关参数的仿真实验结果,为进一步研究子图像赋值情况,提高人脸识别的速度和精确度提供了有效的帮助和参数支持。

基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导

  聚类算法的初始化

  RBF神经网络可描述为:

  

基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导

  式中基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导为隐含层第i个节点与输出层第k个输出节点的连接权值。

  隐含层聚类的初始化过程如下。

  (1)在每个类别收敛于一个聚类中心的假设前提下,将隐含层的节点数初始设定为输出层的节点数,即u=s,再根据RBF神经网络的训练情况具体调整。

  (2)隐含层第k个神经元的中心Ck为 k 类特征矢量的均值。

  (3)计算从均值Ck到属于类别k的最远点kfarP的欧氏距离。

  (4)计算各个j聚类中心到k聚类中心的距离。再根据dmin(k,l)和dk,dl的关系,对以下几种情况进行判断。

  情况(a):若满足基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导的条件,则表明类别k与其他类别l无重叠。

  情况(b):若满足基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导的条件,则表明类别k与其他类别l有重叠,需要进一步考虑以下情况 。

  (i)当满足基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导的条件时,则表明两个类别虽有重叠,但是互相不包含。

  (ii)当满足基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导的条件时,则表明类别k包含于其他类别之中,可能导致RBF神经网络分类错误。

  (5)按照以下分离原则对每类样本进行判别并细分。

  (i)包含规则:若满足基于聚类算法人脸识别方法的研究——为聚类算法人脸识别取得良好的应用效果提供了量化的指导,则表明类别k包含于类别l之中,类别l应被进一步细分为两个聚类。

  (ii)正确归类规则:若类别k包含许多其他类别l的数据,则需要将类别k进一步细分为两个聚类。

  重复上述步骤,直至选定的全部人脸图像的训练样本都被处理为止,整个RBF神经网络的结构随之确定。

(本文来源:互联网 )

(责任编辑:Labtoday)

引用地址:

TAG标签: 人脸识别 聚类算法 RBF神经网络 仿真实验
顶一下
(0)
0%
踩一下
(0)
0%
免责声明: 除标明《实验室资讯网》原创外,本网部分文章转载自其它媒体,转载目的在于传递更多信息, 并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。 如其他媒体、网站或个人从本网下载使用,自负版权等法律责任。如涉及作品内容、版权和其它问题, 请在30日内与本网联系,我们将在第一时间删除内容!
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
栏目列表
推荐内容