极限学习机算法实现与应用研究.rar

摘 要:人脸验证技术是目前模式识别及计算机视觉领域的一个研究热点和难点，人脸验证在对身份自动认证方面有着重要的意义，广泛应用于国家安全、国防等方面.人脸验证技术是一个研究热点，同时也是一个难点，完善人脸验证技术仍然面临着巨大的挑战，还有很多工作需要去做.

本文重点分析研究了人脸验证的关键技术，同时认真学习和理解了一些典型的人脸验证理论和方法.本文主要研究内容包括以下几个方面：

（1）讨论了图像预处理的方法.包括图像灰度化、图像滤波等.

（2）应用PCA降维技术提取人脸特征，简化了人脸识别的计算量，同时降低了冗余度，使数据更能体现样本特征.

（3）重点讨论了极限学习机算法，掌握了极限学习机算法的理论和实现，并比较了极限学习机与BP神经网络算法在计算量和准确率的优劣.

（4）引入稀疏的概念，理解稀疏的基本思想，并将稀疏应用于BP神经网络和极限学习机.

（5）应用matlab编程实现了一个简单的人脸验证系统，包括摄像头采集、人脸检测、人脸验证及数据更新四个方面.

实验结果表明，极限学习机算法在人脸验证上的准确率与BP神经网络算法相同，但极限学习机的计算量远小于神经网络，尤其当样本数据很大时，优势更加明显；同时稀疏极限学习能够较低存储量和测试时间.

关键字：人脸验证；PCA降维；极限学习机；BP神经网络

目录

摘要

ABSTRACT

第1章 绪论-1

1.1人脸识别技术的研究背景及意义-1

1.2人脸验证的研究内容-1

1.3人脸识别技术的研究现状-2

1.4 本文的主要工作和内容安排-3

第2章 人脸验证基本理论-5

2.1 人脸图像预处理-5

2.1.1 灰度变换-5

2.1.2 图像滤波-5

2.2 PCA提取特征人脸-6

2.3.1 PCA降维思想-6

2.3.2 主成分分析原理-6

2.4 极限学习机和BP神经网络-7

2.4.1 单隐层前馈神经网络-7

2.4.2 BP算法-8

2.4.3 极限学习机-10

2.5 基于稀疏的极限学习机和神经网络-13

2.5.1 稀疏BP神经网络-13

2.5.2 稀疏极限学习机-14

2.6 本章小结-16

第3章 人脸验证实验-17

3.1 实验数据来源-17

3.2 实验设计及实现-17

3.2.1 主成分分析-17

3.2.2 BP神经网络-18

3.2.3 极限学习机-19

3.2.4 稀疏极限学习机-19

3.3 实验结果分析-20

3.4 本章小结-21

第4章 人脸验证系统的设计与实现-23

4.1 人脸验证系统的实现步骤-23

4.2 人脸验证系统的组成-23

4.2.1 摄像头采样模块-24

4.2.2 人脸检测模块-24

4.2.3 人脸验证模块-25

4.2.4 数据更新模块-26

4.3 本章小结-26

第5章 总结与展望-27

5.1 总结-27

5.2 不足之处及未来展望-27

参考文献-28

致谢-29