基于隱馬爾科夫模型的人臉識(shí)別.pdf

1、隨著科技不斷地進(jìn)步，信息安全越來(lái)越受到人們的重視，生物識(shí)別作為信息安全方面使用的重要方法，也得到了深入的研究。人臉識(shí)別由于具有快捷，友好的特點(diǎn)，廣大用戶能都很好的接受，所以得到了大量的應(yīng)用。隱Markov模型(Hidden Markov Model，簡(jiǎn)稱HMM)是一種統(tǒng)計(jì)模型，首先在語(yǔ)音識(shí)別方面得到了廣泛的應(yīng)用，然后逐漸應(yīng)用在了人臉識(shí)別方面。HMM作為一種人工智能化算法，擁有牢固的統(tǒng)計(jì)學(xué)基礎(chǔ)與有效的訓(xùn)練算法，因而在語(yǔ)音識(shí)別領(lǐng)域得到了廣泛

2、的應(yīng)用，但在人臉識(shí)別方面未能得到充分利用。
　　 本文首先介紹了人臉識(shí)別的基本內(nèi)容和研究人臉識(shí)別有何意義，對(duì)人臉識(shí)別的前期工作了簡(jiǎn)單介紹，主要包括預(yù)處理和特征提取。
　　 其次介紹了隱馬爾科夫模型(HMM)的基本原理與描述，實(shí)現(xiàn)隱馬爾科夫模型需要解決的三大問(wèn)題及其解碼問(wèn)題，在實(shí)際應(yīng)用中如何解決隱馬爾科夫模型的溢出問(wèn)題。由于人工神經(jīng)網(wǎng)絡(luò)(ANN)具有抗噪聲、自適應(yīng)、學(xué)習(xí)能力強(qiáng)、識(shí)別速度快、魯棒性等優(yōu)點(diǎn)，考慮到語(yǔ)音識(shí)別與模式

3、識(shí)別具有的共性特征與人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，本文將隱馬爾科夫模型(HMM)與人工神經(jīng)網(wǎng)絡(luò)(ANN)相結(jié)合得到HMM-ANN，用人工神經(jīng)網(wǎng)絡(luò)去補(bǔ)足隱馬爾科夫模型的一些不足之處。
　　 緊接著實(shí)現(xiàn)了隱馬爾科夫模型(HMM)在人臉識(shí)別方面的應(yīng)用。使用本文的HMM模型在ORL人臉數(shù)據(jù)庫(kù)與Yale人臉數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)對(duì)比：在ORL人臉庫(kù)上的實(shí)驗(yàn)結(jié)果表明，HMM-ANN混合模型比HMM模型識(shí)別率提升了5％；在Yale人臉庫(kù)上的實(shí)驗(yàn)結(jié)果表明，HM