崔向东，崔婧楠

(1 安徽和信科技发展有限责任公司,安徽　合肥　230001；

2 华南理工大学　计算机学院，广东　广州　510006)



基于GA-BP神经网络的人脸识别方法研究

崔向东1，崔婧楠2

(1 安徽和信科技发展有限责任公司,安徽合肥230001；

2 华南理工大学计算机学院，广东广州510006)

摘要：针对传统的BP神经网络算法易陷入局部极小点、训练速度慢的问题，文章用遗传算法(Genetic Algorithm，GA)来优化BP神经网络，实现全局寻优和局部寻优相结合，有效提高神经网络的学习性能和收敛性。实验结果表明，文章提出的方法训练速度快，克服其陷入局部最优的缺点，具有很好的识别性能。

关键词：特征提取；人脸识别； GA；BP神经网络

人脸识别是近些年模式识别领域的一个研究热点[1]，与其他的生物特征识别方法相比，人脸识别具有快捷、自然、非侵犯性等优点。人脸识别的这些良好特性，使其成为计算机视觉和模式识别领域的一个前沿课题[2]。特征提取和分类器的设计是人脸识别的关键环节。主要的人脸识别方法有[3]：基于K-L变换特征脸的识别方法、基于几何特征的识别方法和基于神经网络的识别方法。基于K-L变换特征脸的识别方法是利用K-L 变换将高维空间进行降维，该算法对不同的表情有一定的鲁棒性，但需要大量的训练样本。基于几何特征的识别方法是通过提取人脸的几何特征来进行识别，但它忽略了局部细微特征从而造成部分信息丢失。传统的BP神经网络由于输入输出的映射关系复杂、权值和阈值的更新速度慢、每次迭代的步长固定，局部搜索可能会使得实际问题寻找不到全局最优解，导致训练失败，因此存在学习速度慢、局部收敛不理想的现象，影响其工作性能[4]。……