摘要
针对人脸朝向分类这一问题,使用BP神经网络进行判别分析是一个较为成熟的方案,在此基础上,提出了一种新的特征值提取方法。首先探测人脸图像边界并将其转化成二值化的0-1矩阵,分割取出图像中眼睛部分对应的矩阵数据;考虑到人脸图像的特殊性,即头部鬓角的信息数据可能造成干扰,删减相应的矩阵信息;接着进行特征值的提取,取出矩阵中为1的元素分布的"离散程度"和分布位置的平均值形成二维向量;最终以该二维向量为神经网络的输入,5种人脸朝向分类为神经网络的输出,正确识别率可以达到100%。这样的特征值提取方式使特征值具有实际意义,相比于PCA特征值提取法更易理解;无需求出人眼的具体位置,相比于求人眼位置的几何方法更加简洁。
针对人脸朝向分类这一问题,使用BP神经网络进行判别分析是一个较为成熟的方案,在此基础上,提出了一种新的特征值提取方法。首先探测人脸图像边界并将其转化成二值化的0-1矩阵,分割取出图像中眼睛部分对应的矩阵数据;考虑到人脸图像的特殊性,即头部鬓角的信息数据可能造成干扰,删减相应的矩阵信息;接着进行特征值的提取,取出矩阵中为1的元素分布的"离散程度"和分布位置的平均值形成二维向量;最终以该二维向量为神经网络的输入,5种人脸朝向分类为神经网络的输出,正确识别率可以达到100%。这样的特征值提取方式使特征值具有实际意义,相比于PCA特征值提取法更易理解;无需求出人眼的具体位置,相比于求人眼位置的几何方法更加简洁。
出处
《计算机科学》
CSCD
北大核心
2012年第S3期366-368,374,共4页
Computer Science
关键词
判别分析
BP神经网络
离散程度
人脸朝向识别
Discrimination analysis
BP neural networks
Discrete degree
Face orientation discrimination