隱Markov模型和神經(jīng)網(wǎng)絡(luò)人臉識(shí)別算法研究.pdf

1、人臉自動(dòng)識(shí)別是計(jì)算機(jī)科學(xué)的一個(gè)前沿課題，有著十分廣泛的應(yīng)用前景，其對(duì)人臉的自動(dòng)識(shí)別涉及到模式識(shí)別，數(shù)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?lè)椒ā⑿〔ǚ治龇椒?、基于神?jīng)網(wǎng)絡(luò)的人臉識(shí)別方法、基于統(tǒng)計(jì)模型的識(shí)別算法。當(dāng)光線、角度及人臉尺寸變化時(shí)，識(shí)別率明顯下降，且應(yīng)用神經(jīng)網(wǎng)絡(luò)算法時(shí)原始灰度圖象數(shù)據(jù)量十分龐大，造成神經(jīng)元數(shù)目過(guò)多，訓(xùn)練時(shí)間很長(zhǎng)。
　　本論文針對(duì)上述問(wèn)題，提出了兩種人臉識(shí)別算法：基于HMM的統(tǒng)計(jì)模型人臉

2、圖像識(shí)別算法和基于灰度形態(tài)學(xué)的BP神經(jīng)網(wǎng)絡(luò)算法。論文的主要內(nèi)容包括：
　　1、分析了人臉自動(dòng)識(shí)別的研究現(xiàn)狀，對(duì)人臉特征提取，HMM，ANN改造等關(guān)鍵技術(shù)進(jìn)行了討論。
　　2、根據(jù)人臉識(shí)別系統(tǒng)的技術(shù)要求，給出了系統(tǒng)的總體設(shè)計(jì)方案，闡述了系統(tǒng)的硬件結(jié)構(gòu)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(lái)表示，因此提出基于DCT離散余弦變換的數(shù)據(jù)壓縮方法和隱馬爾可夫模型相結(jié)合的方法，