[發(fā)明專利]基于粒子群優(yōu)化BP網(wǎng)絡(luò)的人臉識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310609065.1
• 申請(qǐng)日: 2013-11-26
• 公開（公告）號(hào): CN103679139B
• 公開（公告）日: 2017-08-15
• 發(fā)明（設(shè)計(jì)）人: 李保印
• 申請(qǐng)（專利權(quán)）人: 聞泰通訊股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/66;G06N3/08
• 代理公司: 上海新天專利代理有限公司31213
• 代理人: 王敏杰

技術(shù)領(lǐng)域

本發(fā)明屬于人臉識(shí)別技術(shù)領(lǐng)域，涉及一種人臉識(shí)別方法，尤其涉及一種基于粒子群優(yōu)化BP網(wǎng)絡(luò)的人臉識(shí)別方法。

背景技術(shù)

在現(xiàn)在手機(jī)照相的笑臉識(shí)別均采用的BP算法進(jìn)行識(shí)別。BP算法屬于啟發(fā)式算法，算法運(yùn)行速度較慢，而且容易陷入局部極值，尋優(yōu)效果較差。

粒子群優(yōu)化算法是模擬鳥群尋找食物和人類活動(dòng)的群智能算法，是一種全局隨機(jī)尋優(yōu)算法。粒子群算法具備很強(qiáng)的全局尋優(yōu)能力，而且算法實(shí)現(xiàn)更簡(jiǎn)單，尋優(yōu)性能很穩(wěn)定，越來越多的應(yīng)用于傳統(tǒng)啟發(fā)式算法的問題求解中。

粒子群算法是粒子向自身經(jīng)驗(yàn)P_i和群體經(jīng)驗(yàn)P_g不斷學(xué)習(xí)，實(shí)現(xiàn)在解空間的尋優(yōu)。假設(shè)粒子群中第i個(gè)粒子在d維空間中的位置為x_i＝(x_i1，x_i2，…，x_id),飛行速度為v_i＝(v_i1，v_i2，…，v_id),其經(jīng)歷過的最好位置為P_i＝(p_i1，p_i2，…，p_id)，所有粒子經(jīng)歷過的最好位置為P_g＝(p_g1，p_g2，…，p_gd)。每一代粒子按下式更新：

式中,v_id表示第i個(gè)粒子第d維速度分量，t為迭代次數(shù)，w為慣性權(quán)重，學(xué)習(xí)因子c₁＝c₂＝2，r₁和r₂為(0,1)之間均勻分布的隨機(jī)數(shù)。

慣性權(quán)重w是粒子群算法的全局尋優(yōu)和局部尋優(yōu)的平衡系數(shù)。較大的w值有利于全局尋優(yōu)，易于跳出局部極值；而較小的w有利于算法的局部尋優(yōu)，加速收斂。粒子群算法在進(jìn)化的過程中，要求在算法初始階段，慣性權(quán)重w選取較大的值用以加快算法的收斂速度；當(dāng)粒子尋優(yōu)到最優(yōu)值附件時(shí)，要求粒子的慣性權(quán)重w必須相當(dāng)小，否則粒子將會(huì)飛出最優(yōu)解附近而不能收斂，進(jìn)而影響算法收斂的穩(wěn)定性。所以有必要設(shè)計(jì)一種動(dòng)態(tài)變化的慣性權(quán)重，以達(dá)到加快粒子尋找最優(yōu)解的能力。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：提供一種基于粒子群優(yōu)化BP網(wǎng)絡(luò)的人臉識(shí)別方法，可實(shí)時(shí)調(diào)整粒子的慣性權(quán)重，最終提高人臉識(shí)別的效率及精度。

為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：

一種基于粒子群優(yōu)化BP網(wǎng)絡(luò)的人臉識(shí)別方法，所述方法包括：

圖像經(jīng)過預(yù)處理去除外界的干擾，為后續(xù)處理提供高質(zhì)量的圖像；經(jīng)過預(yù)處理的圖像信息通過選擇不同的特征提取方式，將其信息通過映射變換，投影到特征空間，形成一個(gè)m×n的矩陣，每個(gè)參數(shù)對(duì)應(yīng)一個(gè)特征；神經(jīng)網(wǎng)絡(luò)在訓(xùn)練或識(shí)別的過程中，其每一個(gè)特征對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)一個(gè)輸入節(jié)點(diǎn)，而輸出節(jié)點(diǎn)等于類別數(shù)，一個(gè)輸出節(jié)點(diǎn)對(duì)應(yīng)一個(gè)類；

從而設(shè)計(jì)出一種全連接的BP網(wǎng)絡(luò)，其中輸入層神經(jīng)元的個(gè)數(shù)對(duì)應(yīng)為圖像的特征數(shù)，輸出層神經(jīng)元個(gè)數(shù)為種群類別數(shù)，隱層神經(jīng)元個(gè)數(shù)根據(jù)經(jīng)驗(yàn)公式設(shè)定為網(wǎng)絡(luò)權(quán)值初始化為[0,1]之間的隨機(jī)值，每個(gè)粒子對(duì)應(yīng)一個(gè)神經(jīng)網(wǎng)絡(luò)；

所述神經(jīng)網(wǎng)絡(luò)在訓(xùn)練或識(shí)別的過程中包括利用粒子群算法優(yōu)化BP網(wǎng)絡(luò)的步驟，在可行解區(qū)域和速度區(qū)間隨機(jī)初始化每個(gè)粒子的初始位置和初始速度，其中粒子的位置代表問題的一個(gè)可行解；假設(shè)種群中第i個(gè)粒子在d維空間中的位置為x_i＝(x_i1，x_i2，…，x_id)，其對(duì)應(yīng)的飛行速度為v_i＝(v_i1，v_i2，…，v_id)和該粒子至今搜索到的最好位置為P_i＝(p_i1，p_i2，…，p_id)，所有粒子搜索到的最好位置為P_g＝(p_g1，p_g2，…，p_gd)；則標(biāo)準(zhǔn)粒子群算法的速度-位移更新公式如下：

其中，v_id表示第i個(gè)粒子的第d維速度分量；w為慣性權(quán)重；t為迭代次數(shù)；c₁、c₂為學(xué)習(xí)因子；r₁和r₂為(0,1)之間均勻分布的隨機(jī)數(shù)；