基于Gabor小波和人工神经网络的人脸识别摘要
人脸识别是计算机视觉领域中非常活跃的一个研究方向，在图像、生物、工业等民用领域及军事领域中有着广泛的应用，其中以目标特征的提取为难点与重点。本文研究的目的是提高Gabor目标识别算法的鲁棒性，降低负面因素对识别效果的影响。首先介绍了常用的分类规则，分析了人工神经网络以及BP算法的优缺点。给出了一种变步长学习速率的改进方法，优化了BP神经网络，为后文的识别研究提供了较好的分类器支持。关键词：神经网络，Gabor滤波器，特征提取，人脸识别AbstractTheautomatictargetrecog
itio
isapopissuei
thecomputervisio
area，thathasbee
usedabu
da
tlyi
ma
yfieldssuchasimage，biologyi
dustrya
dSOo
，especiallyi
militarycircles．Duri
gATR’Staches，extracti
gfeatureoftargetimageshouldbethemostdifficulta
dimporta
to
e．Theaimofthispaperistoe
ha
cetherobust
essofcorrespo
di
gGaboralgorithma
dtoweake
theeffectof
egativefactors．Firstlysomemai
classifiersareprese
ted，a
dsomeadva
tagea
ddisadva
tageofBP
etworkwhichbelo
gtotheANNarea
alysed．A
improvedmethodwhosestepexte
tshiftisgive
tooptimizetheBP
et，whichsuppliesabetterclassifierforthe
extwork．Keywords：Neural
etwork，GaborJets，Featureextracti
g，Facerecog
itio

1
绪论
11研究背景及意义
人脸识别是生物特性鉴别技术的一个主要方向，它涉及图像处理，模式识别，计算机视觉等多个研究领域，具有十分广泛的应用前景，多年来一直是一个研究热点。相对于其它人体生物特征识别技术，如指纹识别、虹膜识别、掌纹识别，人脸识别技术是最直接、最自然、最容易被人接受的。与其它技术相比，它具有侵犯性小、较少需要或不需要用户的主动配合、样本采集方便、应用场合广泛、人脸识别系统具备操作及流程简单、潜在的数据资源丰富、设备成本低等优点1。
f适用面广、支持一对一或一对多比对、支持多点同时采集比对、带有数据库支持记录及查询功能，对采集现场环境要求较低，可在极短的时间里判断出进出者的身份是否合法，杜绝使用他人钥匙、密码、磁卡等非法进入。人脸识别技术的安全性、可靠性较高，且拥有广泛的市场需求，它可以应用于公安部门的犯人档案管理、犯人辨认查找、刑侦破案、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、证件核对、保安监视、门禁控制及至自动柜员机（ATM）等多种场合2。人脸识别对人类来说是件自然而然的事情，但对计算机而言，人脸识别却远非一个已解决的课题。所有的人r