10.3969/j.issn.1000-386x.2019.02.043
基于Logistic回归和BPNN的二值人脸图像识别
针对人脸检测识别中受外在条件影响及低识别率的问题,提出一种基于二值图像的Logistic回归和反向传播神经网络BPNN(back-propagation neural network)的人脸识别方法.该算法将彩色图像被转换成灰度图像.使用低通滤波器去噪,将局部窗口标准偏差和自适应阈值应用于灰度图像,得到高质量的二值去噪图像,从中检测可能的人脸区域.使用最近邻居内插方法将其缩小,与每个缩小大小的图像相对应地创建人脸数据库.使用Logistic回归和BPNN来分类属于每个人的所有图像,并为每一类图像获得一个决策边界.图像尺寸的缩小最大限度地减少了逻辑回归和神经网络训练的计算空间和时间.实验结果表明,在FEI图像数据库上Logistic回归和反向传播神经网络的识别精度高达97.5％,优于其他识别算法的精度.
人脸识别、自适应阈值、最近邻插值、Logistic回归、反向传播神经网络
36
TP391(计算技术、计算机技术)
四川省教育厅科研项目16ZB0360
2019-05-21（万方平台首次上网日期，不代表论文的发表时间）
共6页
240-244,268
