摘 要：傳統(tǒng)的人臉朝向識別算法中存在準(zhǔn)確率較低問題，為了滿足圖像和視頻中人臉的位置，朝向和旋轉(zhuǎn)都不是固定的特點(diǎn)，本課題主要對基于LVQ神經(jīng)網(wǎng)絡(luò)人臉朝向識別算法研究，并建立了LVQ神經(jīng)網(wǎng)絡(luò)模型，最終通過MATLAB仿真來進(jìn)行實(shí)現(xiàn)。

關(guān)鍵詞：LVQ神經(jīng)網(wǎng)絡(luò);人臉朝向識別;算法

一、人臉朝向識別理論

1.LVQ算法概念介紹

LVQ（學(xué)習(xí)向量量化）神經(jīng)網(wǎng)絡(luò)屬于一種具備監(jiān)督學(xué)習(xí)特征的輸入前向神經(jīng)網(wǎng)絡(luò)。主要特點(diǎn)：識別模式、映射方法、網(wǎng)絡(luò)結(jié)構(gòu)相對簡潔。據(jù)統(tǒng)計(jì)，LVQ算法適用于人臉識別工作，準(zhǔn)確率高達(dá)95%。LVQ主要通過眼部特征和人臉圖像幾何形狀的等特征來對人臉朝向和旋轉(zhuǎn)角度進(jìn)行區(qū)分，識別度較高，尤其是人眼位置以及相關(guān)特征向量，可以幫助分析人臉朝向，并對相關(guān)數(shù)據(jù)進(jìn)行分類處理，通過LVQ神經(jīng)網(wǎng)絡(luò)輸入識別到的數(shù)據(jù)，可以快速識別人臉朝向。LVQ神經(jīng)網(wǎng)絡(luò)的主要由輸入層、競爭層、線性輸出層構(gòu)成。其中輸出層的每一個(gè)神經(jīng)元都和競爭層的一組神經(jīng)元對應(yīng)并相互鏈接，連接的權(quán)值用1來表示。競爭層中，只有獲勝神經(jīng)元的輸出權(quán)值為1，由此可以推出，獲勝神經(jīng)元與之相連的輸出層的輸出權(quán)值也為1，其他神經(jīng)元所相連的輸出層的神經(jīng)元的輸出權(quán)值為0，這樣能夠?qū)ι窠?jīng)元進(jìn)行有效分類，完全負(fù)責(zé)的神經(jīng)元處理。

2.LVQ算法數(shù)學(xué)模型介紹

基于LVQ2學(xué)習(xí)算法主要步驟如下：

（1）首先需要初始化參數(shù)的值，再對參數(shù)值進(jìn)行運(yùn)算，從而運(yùn)算出競爭層中向量和神經(jīng)元的距離為多少;

（2）選擇與輸入向量距離最小的兩個(gè)競爭層的神經(jīng)元;

（3）在完成分類后，假設(shè)兩個(gè)神經(jīng)元處于不同的類別，分別用并且i，j來進(jìn)行表示，與輸入向量的距離分別用，來表示，并且能夠滿足公式（1-1）：

（1-1）

從公式（2-13）可以看出，表示輸入后的向量指導(dǎo)鄰近向

量窗口的寬度。黨經(jīng)驗(yàn)值為時(shí)，并且神經(jīng)元i對應(yīng)的類別Ci=輸入向量類別Cx時(shí)，則表明公式（1-2）成立：

（1-2）

若神經(jīng)元j對應(yīng)的類別Cj=輸入向量類別Cx，則表明公式（1-3）成立：

（1-3）

（4）若神經(jīng)元i，j不滿足，重復(fù)步驟（3）直到完成迭代。

二、人臉朝向識別方法實(shí)現(xiàn)

1.人臉朝向識別模型建立

首先需要選擇一組人臉采集對象，對這些采集對象的人臉的不同角度的圖像信息進(jìn)行采集，每個(gè)采集對象都需要采集五個(gè)角度的圖像信息，具體包括左方、左前方、前方、右前方和右方，主要用于表示人臉的不同朝向。

采集的人臉圖像，可以建立基于LVQ神經(jīng)網(wǎng)絡(luò)的人臉朝向識別模型，從而識別和判斷相同對象不同圖像中的人臉朝向。判斷原理：根據(jù)人臉不同朝向時(shí)眼睛在圖像中的位置，將眼部位置的信息進(jìn)行提取和采集，建立特征向量集合，作為輸入數(shù)據(jù)，通過算法進(jìn)行識別和判斷，最后輸出判斷結(jié)果，按照左方、左前方、前方、右前方和右方的順序分別用1～5表示。對訓(xùn)練集的數(shù)據(jù)和信息進(jìn)行訓(xùn)練，成立判斷人臉朝向的識別網(wǎng)絡(luò)。

2.人臉朝向識別設(shè)計(jì)流程

在對人臉朝向識別進(jìn)行設(shè)計(jì)時(shí)，其設(shè)計(jì)流程主要包括人臉特征向量的提取、訓(xùn)練集以及測試集的產(chǎn)生、創(chuàng)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而實(shí)現(xiàn)人臉識別。設(shè)計(jì)流程如圖（2-2）所示：

人臉朝向識別模型的性能判斷主要通過LVQ算法建立人臉識別模型，得出識別結(jié)果后再進(jìn)行分析，采用MatLab2017a軟件進(jìn)行仿真測試，測試所使用的計(jì)算機(jī)配置為Win8/2.4GHz。通過對參數(shù)進(jìn)行初始化，人臉5個(gè)朝向與LVQ神經(jīng)網(wǎng)絡(luò)輸出向量的對應(yīng)關(guān)系見如表2-1所示：

結(jié)論

本課題采用LVQ神經(jīng)網(wǎng)絡(luò)對人臉朝向進(jìn)行識別，通過提取人臉圖像中眼睛位置的特征向量并對朝向不同的人臉圖像樣本進(jìn)行學(xué)習(xí)訓(xùn)練，優(yōu)化了學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)各層間的權(quán)值參數(shù)，從而保證人臉朝向的識別準(zhǔn)確率較高;在測試部分，采用MATLAB仿真來對LVQ神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)，從而實(shí)現(xiàn)了對人臉朝向的識別的判斷。仿真結(jié)果進(jìn)行分析表明，LVQ神經(jīng)網(wǎng)絡(luò)的識別方法可以通過輸入圖像的二值信息來判斷該圖像的人臉朝向，正確識別率可以達(dá)到95%以上，識別率與抗干擾性較高。

參考文獻(xiàn)

[1]閆娟.人臉識別技術(shù)的分析與展望[J].機(jī)電設(shè)備，2016，（04）：113-115.

[2]張海勁.基于人臉識別技術(shù)的智能鑰匙柜研制[M].哈爾濱工業(yè)大學(xué)出版社，2015，（02）：221-225.

[3]尹克重.基于ICA的人臉識別算法研究[M].重慶大學(xué)出版社，2015.，（23）：97-101.

[4]柯江民.人臉圖像的檢測和識別的研究與實(shí)現(xiàn)[M].成都理工大學(xué)出版社，2016.，（11）：65-69.

[5]Chellappa R，Wilson C L etal[J].Human and machine recognition of faces：Asurvey.Proceedings of the IEEE，2015，83（5）：705～740.

[6]張俊虎.基于主成分分析的人臉識別算法研究[M].中北大學(xué)出版社，2015.，（07）：231-236.

作者簡介：

主晶晶，女，1984年3月，陜西富平人，2008年本科畢業(yè)于陜西科技大學(xué)，工程技術(shù)（電子工程）高級職稱，主要研究方向系統(tǒng)運(yùn)維，主要從事IT項(xiàng)目管理工作。

（作者單位：廣東美的制冷設(shè)備有限公司）