摘 要：傳統(tǒng)的人臉朝向識(shí)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(duì)基于LVQ神經(jīng)網(wǎng)絡(luò)人臉朝向識(shí)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(shí)別;算法

一、人臉朝向識(shí)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(shí)別模式、映射方法、網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)簡(jiǎn)潔。據(jù)統(tǒng)計(jì)，LVQ算法適用于人臉識(shí)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(duì)人臉朝向和旋轉(zhuǎn)角度進(jìn)行區(qū)分，識(shí)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(duì)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(shí)別到的數(shù)據(jù)，可以快速識(shí)別人臉朝向。LVQ神經(jīng)網(wǎng)絡(luò)的主要由輸入層、競(jìng)爭(zhēng)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(jìng)爭(zhēng)層的一組神經(jīng)元對(duì)應(yīng)并相互鏈接，連接的權(quán)值用1來表示。競(jìng)爭(zhēng)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(duì)參數(shù)值進(jìn)行運(yùn)算，從而運(yùn)算出競(jìng)爭(zhēng)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(jìng)爭(zhēng)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(duì)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(duì)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(shí)別方法實(shí)現(xiàn)

1.人臉朝向識(shí)別模型建立

首先需要選擇一組人臉采集對(duì)象，對(duì)這些采集對(duì)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(duì)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(shí)別模型，從而識(shí)別和判斷相同對(duì)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(shí)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(duì)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(shí)別網(wǎng)絡(luò)。

2.人臉朝向識(shí)別設(shè)計(jì)流程

在對(duì)人臉朝向識(shí)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(cè)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(shí)別。設(shè)計(jì)流程如圖（2-2）所示：

人臉朝向識(shí)別模型的性能判斷主要通過LVQ算法建立人臉識(shí)別模型，得出識(shí)別結(jié)果后再進(jìn)行分析，采用MatLab2017a軟件進(jìn)行仿真測(cè)試，測(cè)試所使用的計(jì)算機(jī)配置為Win8/2.4GHz。通過對(duì)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(duì)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(duì)人臉朝向進(jìn)行識(shí)別，通過提取人臉圖像中眼睛位置的特征向量并對(duì)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(shí)別準(zhǔn)確率較高;在測(cè)試部分，采用MATLAB仿真來對(duì)LVQ神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)，從而實(shí)現(xiàn)了對(duì)人臉朝向的識(shí)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(shí)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(shí)別率可以達(dá)到95%以上，識(shí)別率與抗干擾性較高。

參考文獻(xiàn)

[1]閆娟.人臉識(shí)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(shí)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(shí)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(cè)和識(shí)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(shí)別算法研究[M].中北大學(xué)出版社，2015.，（07）：231-236.

作者簡(jiǎn)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(jí)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）