APP下载

基于LVQ神经网络的人脸朝向识别算法研究

2019-10-20主晶晶

大东方 2019年12期

摘 要:传统的人脸朝向识别算法中存在准确率较低问题,为了满足图像和视频中人脸的位置,朝向和旋转都不是固定的特点,本课题主要对基于LVQ神经网络人脸朝向识别算法研究,并建立了LVQ神经网络模型,最终通过MATLAB仿真来进行实现。

关键词:LVQ神经网络;人脸朝向识别;算法

一、人脸朝向识别理论

1.LVQ算法概念介绍

LVQ(学习向量量化)神经网络属于一种具备监督学习特征的输入前向神经网络。主要特点:识别模式、映射方法、网络结构相对简洁。据统计,LVQ算法适用于人脸识别工作,准确率高达95%。LVQ主要通过眼部特征和人脸图像几何形状的等特征来对人脸朝向和旋转角度进行区分,识别度较高,尤其是人眼位置以及相关特征向量,可以帮助分析人脸朝向,并对相关数据进行分类处理,通过LVQ神经网络输入识别到的数据,可以快速识别人脸朝向。LVQ神经网络的主要由输入层、竞争层、线性输出层构成。其中输出层的每一个神经元都和竞争层的一组神经元对应并相互链接,连接的权值用1来表示。竞争层中,只有获胜神经元的输出权值为1,由此可以推出,获胜神经元与之相连的输出层的输出权值也为1,其他神经元所相连的输出层的神经元的输出權值为0,这样能够对神经元进行有效分类,完全负责的神经元处理。

2.LVQ算法数学模型介绍

基于LVQ2学习算法主要步骤如下:

(1)首先需要初始化参数的值,再对参数值进行运算,从而运算出竞争层中向量和神经元……

登录APP查看全文