基于概率神经网络的近红外人脸朝向识别方法

近红外人脸图像受到光照干扰的影响,导致近红外图像噪声较大且清晰度较低,人脸朝向识别难度较大,为此提出基于概率神经网络的近红外人脸朝向识别方法。首先结合多级小波分解和样条插值法对光照干扰下的近红外人脸图像加以补偿,然后通过二维主元分析法提取图像特征向量,再建立概率神经网络并利用模拟退火粒子群算法优化网络平滑因子,最后将待识别近红外人脸图像输入至训练后神经网络之中,实现人脸朝向识别。实验结果表明,所提方法的近红外人脸图像预处理效果更好,人脸朝向识别pitch角、yam角和roll角误差值容许范围分别为97%、97%、92%,MAE、STD和RMSE分别为3.49、3.45、5.00,均优于文献对比方法,人脸朝向识别精度较高。