文件編號：B127

文件大?。?/strong>143M

代碼行數(shù)：129行(主程序)

開發(fā)環(huán)境：Matlab2018

猿創(chuàng)承諾：該項目親測正常運行，需遠程調(diào)試部署需另外收費，確保正常使用，不能正常使用全額退款。

簡要概述：首先，系統(tǒng)使用PCA算法提取面部圖像的主成分特征，以進一步降低圖像數(shù)據(jù)的處理時間，并使用GA算法通過交叉變異等操作訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)對提取的面部特征進行分類和識別。Ga算法的算子設(shè)計，神經(jīng)網(wǎng)絡(luò)的分類和設(shè)計，PCA提取面部特征是該系統(tǒng)的關(guān)鍵。由于神經(jīng)網(wǎng)絡(luò)分類器，面部灰度信息的統(tǒng)計特征在監(jiān)督訓(xùn)練BP中是固定類別，并且照明均勻人臉識別和應(yīng)用場景識別是高度準(zhǔn)確的，所以雖然該bp神經(jīng)網(wǎng)絡(luò)在普通測試環(huán)境中可以達到較高準(zhǔn)確率但是，在復(fù)雜的環(huán)境中很難應(yīng)用。

實驗結(jié)果與分析：

注: 圖13置圖16測試結(jié)果分為3欄，第一欄的第一行代表魏磊的準(zhǔn)確率，第二欄的第二行代表鄧程維的準(zhǔn) 確率，第三行的第三行代表劉佳昇的準(zhǔn)確率，其他行分別表示判斷錯誤的情況，例如第一行的二三行表示本應(yīng)該判斷成魏磊的圖片判斷成了鄧程維和劉佳昇

表格1 不同k值的條件下的識別情況

通過結(jié)合實際測試的結(jié)果可知，當(dāng)K值取50時，系統(tǒng)的識別率達到最高。當(dāng)PCA的特征提取的K值增加時，系統(tǒng)的識別率也會隨之增加，當(dāng)PCA的k值達到一定程度的時候，k值帶來的增加逐漸減弱。同時我們也可以看到，訓(xùn)練數(shù)據(jù)的準(zhǔn)確率一直優(yōu)于測試數(shù)據(jù)。劉佳昇的識別率一直低于魏磊和鄧程維。詳細分析后我們可以得到如下結(jié)論。
1，PCA人臉認證提取的維度很大程度的影響了人臉識別準(zhǔn)確率的好壞。
2，有與PCA算法是將人臉圖片轉(zhuǎn)換為灰度圖像后進行處理，而灰度圖像受光照條件，姿態(tài)變化等因素影響比較大，所以系統(tǒng)對人臉數(shù)據(jù)的特征判定的魯棒性較差，整個系統(tǒng)極其容易受到光照條件的變化影響。整個系統(tǒng)相同關(guān)照條件下的識別效果達到90%，但是判斷不同關(guān)照條件下的人臉識別率則只有50%，且，當(dāng)人臉的數(shù)量增多時，系統(tǒng)的識別率也隨之下降。所以必須要重新訓(xùn)練。

總結(jié)

本次實驗所呈現(xiàn)的PCA-GA-BP神經(jīng)網(wǎng)絡(luò)人臉識別系統(tǒng)在固定較少類別，與相同光照的人臉識別運用情況下，有著較高、較為準(zhǔn)確的識別率。但是受PCA提取特征，與BP神經(jīng)網(wǎng)絡(luò)分類器的限制。在比較復(fù)雜的實際運用環(huán)境中，整個系統(tǒng)的健壯性還有待提高。后續(xù)則向高準(zhǔn)確率，高適應(yīng)性的方向來調(diào)整與更新整個系統(tǒng)的研究成果。

按需寫作：

演示視頻：

點擊查看：系統(tǒng)演示視頻

運行效果：

遠程協(xié)助：

溫馨提示：索煒達.猿創(chuàng)官方提供收費遠程協(xié)助，確保您項目運行成功。

點擊查看：遠程協(xié)助相關(guān)事項

我們提供完整項目文件清單如下：

文件目錄

 ├ 1.項目源碼

 ├ 2.運行截圖

 └ 3.演示視頻