文档介绍：毕业设计(论文)开题报告
题目: 基于神经网络的人脸识别系统设计
专业:电子信息工程
1选题的背景、意义
基于神经网络的人脸识别系统是一个复杂的过程,主要包括:从ORL内提取人脸、人脸规范化、特征提取、软件识别、输入系统、中间处理层、输出结果这七个过程。
人工神经网络的发展已经有一段比较长的历史了,据《MATLAB神经网络应用设计》的记载,它的发展有过两个高潮,第一次热潮开始于1943年,、、Hebb开创了神经科学理论研究时代。之后相继有了更大的发展:伺服电机反馈自稳定系统、模拟人脑感知和学习能力的感知器概念、神经元网络方程、自适应线性元件等等,大家对神经系统表现出来的好奇心大大的推动了神经网络的发展,一直到1969年,这段时间的发展科学家们为此作出了巨大的贡献[1]。之后进入了一个低潮,据董长虹所编著的《MATLAB神经网络应用设计》所叙述20世纪60年代到70年代是神经网络发展的低潮时期,主要是因为人们发现了神经网络的传感器存在很多缺陷,并不能象所预期的正确的测试出我们所要的结果[2]。但是这中间也一定发展:自组织映射、神经认知机网络理论、BSB模型、BP理论等等。第二次高潮是在20时间80年代,就是在1982年提出“Hopfield”(一个非线性动力系统的理论模型)之后,神经网络有了巨大的发展,之后又有了大规模并行网络学习机(隐单元)、NETTAL程序系统、杂志《神经网络》、IEEE的神经网络杂志等都不断推动了【3】。
人脸的识别是基于生物特征识别技术的一种主要方法。早在1888年和1910年,高尔顿在《NATURE》杂志内发表了2篇关于通过人脸进行身份识别的文章,而且对人类自身的人脸识别能力也进行了分析。自1990年之后,人脸识别得到了空前的发展,许多理工科大学和IT产业公司都开始对此进行了研究,通过对人脸图像的检测标准化,然后进一步分析人脸的表征,提取人脸的特征,识别人脸,最后输出相应的符号。人脸识别其实是基于光学的人脸图像的身份识别和验证,通过属性分离、特征提取、分类判断得到最后的结果[4]。神经网络是由大量的神经元相互连接而成的的,是一个自适应的动态系统,而神经元是人工神经网络中的基本元件,人工神经网络从某种角度模仿、简化和抽象了人脑功能的若干基本特征。从脑神经元学说之后就有了人工神经元的研究。
1943年开始一直到现在,神经网络一直不断的发展,虽然中间也遇到不少挫折,但是仍然得到了突破性的发展[5]。MATLAB则是一款功能强大的信号处理软件,是交互性非常好的可视化工具,里面还有各种的工具箱,可以通过对文件编程和连接,完成各种高难度的计算和转化识别。
所以说,人脸识别是实现的内容,神经网络则是实现这个任务的具体技术,通过MATLAB软件的综合实现完成最终的识别。
2相关研究的最新成果及动态
如今神经网络理论的应用已经在当今社会有了很大的发展,自从IEEE的神经网络杂志出现后,各种杂志层出不穷,神经网络技术进入了一个蓬勃发展的时期。神经网络技术不仅是在人工智能、自动控制、计算机科学、信息处理等方面有很大突破,而且也在机器人、模式识别、CAD/CAM方面也有发展[6]。研究内容相当的广泛,是多种学科交叉技术领域,生物原型研究、建立理论模型、网络模型与算法研究、神经网